Estadística 10e, Triola

75,029 views
75,741 views

Published on

Published in: Education
6 Comments
77 Likes
Statistics
Notes
No Downloads
Views
Total views
75,029
On SlideShare
0
From Embeds
0
Number of Embeds
972
Actions
Shares
0
Downloads
5,008
Comments
6
Likes
77
Embeds 0
No embeds

No notes for slide

Estadística 10e, Triola

  1. 1. DDéécciimmaa eeddiicciióónn TRIOLA Estadística, décima edición, es el resultado de más de 30 años de investigación e innovación en la enseñanza de la estadística. La meta de este libro es que se convierta en una obra interesante y detallada de estadística para los estudiantes. Aunque a lo largo del texto se encuentran fórmulas y procedimientos formales, destaca el desarrollo de conocimientos estadísticos y de un pensamiento crítico, más allá del uso irreflexivo de procedimientos mecánicos. Al llegar a millones de estudiantes, éste se ha convertido en el libro de estadística más exitoso de todos los tiempos, gracias a las siguientes características: • Énfasis en el pensamiento crítico • Énfasis en la comprensión de los conceptos y no en la realización de cálculos de forma mecánica • Uso de abundantes datos reales • Estilo de escritura claro, fácil de comprender y en ocasiones con sentido del humor • Componentes pedagógicos abundantes y diversos • Una gama de complementos útiles para los estudiantes y los profesores Otro objetivo importante es proporcionar un marco de referencia que fomente el crecimiento per- sonal a través del uso de la tecnología, el trabajo con los compañeros y el desarrollo de habilidades de comunicación. Asimismo, el libro permite que los estudiantes apliquen las habilidades adquiri- das fuera del salón de clases, en el contexto del mundo real. Este texto sigue las recomendaciones pedagógicas de las siguientes organizaciones: American Statistical Association, Mathematical Association of America, American Mathematical Association of Two-Year Colleges y National Council of Teachers of Mathematics. Este libro cuenta con diversos materiales en línea para alumnos y profesores; entre ellos, un curso precargado en CourseCompass con exámenes, manuales, videos y animaciones, así como un sin- número de ejercicios de autoevaluación. Además, este curso cuenta con MyMathLab, un exclusivo sistema de ejercicios en línea que permite al profesor seleccionar entre un gran número de opciones, los ejercicios que desee asignar en sus tareas. MyMathLab lleva al alumno paso a paso hacia la mejor comprensión del ejercicio y le da seguimiento de su progreso. Este programa no sólo ofrece retroalimentación en función de las respuestas del alumno, también le genera un plan de estudio per- sonalizado con base en sus errores. La página Web www.pearsoneducacion.net/triola ofrece apoyos importantes al profesor. MM aarrii oo FF.. TTrr ii ooll aaVisítenos en: www.pearsoneducacion.net ISBN: 978-970-26-1287-2 TM Portada Triola nueva.qxd 23/6/08 00:42 Page 1
  2. 2. ESTADÍSTICA Décima edición
  3. 3. ESTADÍSTICA Décima edición Mario F. Triola TRADUCCIÓN Leticia Esther Pineda Ayala Traductora profesional REVISIÓN TÉCNICA Roberto Hernández Ramírez Departamento de Matemáticas Universidad de Monterrey
  4. 4. Authorized translation from the English Language edition, entitled Elementary Statistics with Multimedia Study Guide, 10th Edition by Mario F. Triola, published by Pearson Education Inc., publishing as Addison-Wesley, Copyright ©2008. All rights reserved. ISBN 9780321460929 Versión en español de la obra titulada, Elementary Statistics with Multimedia Study Guide, 10ª Edición por Mario F. Triola, publicada originalmente en inglés por Pearson Education Inc., publicada como Addison-Wesley, Copyright ©2008. Todos los derechos reservados. Esta edición en español es la única autorizada. Edición en español Editor: Rubén Fuerte Rivera e-mail: ruben.fuerte@pearsoned.com Editor de desarrollo: Felipe Hernández Carrasco Supervisor de producción: Juan José García Guzmán Edición en inglés Datos de catalogación bibliográfica TRIOLA, MARIO F. Estadística. Décima edición PEARSON EDUCACIÓN, México, 2009 ISBN: 978-970-26-1287-2 Área: Matemáticas Formato: 21 × 27 cm Páginas: 904 Publisher: Greg Tobin Executive Editor: Deirdre Lynch Executive Project Manager: Christine O’Brien Assistant Editor: Sara Oliver Managing Editor: Ron Hampton Senior Production Supervisor: Peggy McMahon Senior Designer: Barbara T. Atkinson Photo Researcher: Beth Anderson Digital Assets Manager: Marianne Groth Production Coordinator, Supplements: Emily Portwood Media Producer: Cecilia Fleming Software Development: Ted Hartman and Janet Wann Marketing Manager: Phyllis Hubbard Marketing Assistant: Celena Carr Senior Author Support/Technology Specialist: Joe Vetere Senior Prepress Supervisor: Caroline Fell Rights and Permissions Advisor: Dana Weightman Senior Manufacturing Buyer: Evelyn Beaton Text and Cover Design: Leslie Haimes Production Services, Composition and Illustration: Nesbitt Graphics Cover Photo: Getty Images/Jean Louis Batt DÉCIMA EDICIÓN, 2009 D.R.© 2009 por Pearson Educación de México, S.A. de C.V. Atlacomulco Núm. 500, 5° Piso Col. Industrial Atoto 53519, Naucalpan de Juárez, Edo. de México Cámara Nacional de la Industria Editorial Mexicana. Reg. Núm. 1031 Addison-Wesley es una marca registrada de Pearson Educación de México, S.A. de C.V. Reservados todos los derechos. Ni la totalidad ni parte de esta publicación pueden reproducirse, registrarse o transmitirse, por un sistema de recuperación de información, en ninguna forma ni por ningún medio, sea electrónico, mecánico, fotoquímico, magnético o electroóptico, por fotocopia, grabación o cualquier otro, sin permiso previo por escrito del editor. El préstamo, alquiler o cualquier otra forma de cesión de uso de este ejemplar requerirá también la autorización del editor o de sus repre- sentantes. ISBN 10: 970-26-1287-X ISBN 13: 978-970-26-1287-2 Impreso en México. Printed in Mexico. 1 2 3 4 5 6 7 8 9 0 - 11 10 09 08
  5. 5. Para Marc y Scott
  6. 6. Acerca del autor Mario F. Triola es profesor emérito de matemáticas en el Dutchess Community College, donde ha enseñado estadística durante más de 30 años. Marty es autor de las obras Essentials of Statistics, Elementary Statistics Using Excel y Elementary Statistics Using the Graphic Calculator; también es coautor de los libros Biosta- tistics for the Biological and Health Sciences, Statistical Reasoning for Everyday Life y Business Statistics. Ha escrito diversos manuales y libros de trabajo para educación en estadística con apoyos tecnológicos. Fuera del salón de clases, Marty ha sido orador en muchas conferencias y universidades. Su trabajo de con- sultoría incluye el diseño de máquinas tragamonedas para casinos y de cañas de pescar; ha trabajado con abogados en la determinación de probabilidades en casos de demandas de paternidad, en la identificación de desigualdades salariales entre géneros, en el análisis de resultados de elecciones en disputa, en el análisis de da- tos médicos y en el análisis de encuestas de escuelas de medicina. Por otro lado, fungió como testigo experto en la Suprema Corte del estado de Nueva York. La Text and Academic Authors Association otorgó a Mario F. Triola el premio Texty de Excelencia por su trabajo en el libro Estadística. vii
  7. 7. Tabla de contenido abreviada Introducción a la estadística 2 Resumen y gráficas de datos 40 Estadísticos para describir, explorar y comparar datos 74 Probabilidad 136 Distribuciones de probabilidad 198 Distribuciones de probabilidad normal 244 Estimaciones y tamaños de muestra 318 Prueba de hipótesis 384 Inferencias a partir de dos muestras 454 Correlación y regresión 514 Experimentos multinomiales y tablas de contingencia 588 Análisis de varianza 634 Estadística no paramétrica 674 Control estadístico de procesos 732 Proyectos, procedimientos y perspectivas 760 Apéndices 767 Apéndice A: Tablas 768 Apéndice B: Conjuntos de datos 785 Apéndice C: Glosario 808 Apéndice D: Bibliografía 816 Apéndice E: Soluciones de los ejercicios impares (y de todos los ejercicios de repaso y de los ejercicios de repaso acumulativo) 817 Créditos 855 Índice 857 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 ix
  8. 8. xi Introducción a la estadística 2 1-1 Panorama general 4 1-2 Tipos de datos 5 1-3 Pensamiento crítico 11 1-4 Diseño de experimentos 21 Resumen y gráficas de datos 40 2-1 Panorama general 42 2-2 Distribuciones de frecuencias 42 2-3 Histogramas 51 2-4 Gráficas estadísticas 56 Estadísticos para describir, explorar y comparar datos 74 3-1 Panorama general 76 3-2 Medidas de tendencia central 76 3-3 Medidas de variación 92 3-4 Medidas de posición relativa 110 3-5 Análisis exploratorio de datos (AED) 119 Probabilidad 136 4-1 Panorama general 138 4-2 Fundamentos 138 4-3 Regla de la suma 151 4-4 Regla de la multiplicación: Fundamentos 159 4-5 Regla de la multiplicación: Complementos y probabilidad condicional 168 4-6 Probabilidades por medio de simulaciones 174 4-7 Conteo 179 4-8 Teorema de Bayes (en CD-ROM) 190 4 3 2 1 Contenido
  9. 9. xii Contenido Distribuciones de probabilidad discreta 198 5-1 Panorama general 200 5-2 Variables aleatorias 201 5-3 Distribuciones de probabilidad binomial 213 5-4 Media, varianza y desviación estándar para la distribución binomial 225 5-5 Distribuciones de probabilidad de Poisson 230 Distribuciones de probabilidad normal 244 6-1 Panorama general 246 6-2 La distribución normal estándar 247 6-3 Aplicaciones de las distribuciones normales 259 6-4 Distribuciones muestrales y estimadores 269 6-5 El teorema del límite central 280 6-6 La distribución normal como aproximación de la distribución binomial 291 6-7 Determinación de la normalidad 302 Estimados y tamaños de muestra 318 7-1 Panorama general 320 7-2 Estimación de la proporción de una población 320 7-3 Estimación de una media poblacional: s conocida 338 7-4 Estimación de una media poblacional: s desconocida 349 7-5 Estimación de la varianza de una población 363 Prueba de hipótesis 384 8-1 Panorama general 386 8-2 Fundamentos de la prueba de hipótesis 387 8-3 Prueba de una aseveración respecto de una proporción 407 8-4 Prueba de una aseveración respecto de una media: s conocida 418 8-5 Prueba de una aseveración respecto de una media: s desconocida 426 8-6 Prueba de una aseveración respecto de una desviación estándar o de una varianza 436 Inferencias a partir de dos muestras 454 9-1 Panorama general 456 9-2 Inferencias acerca de dos proporciones 456 9-3 Inferencias acerca de dos medias: Muestras independientes 469 9-4 Inferencias a partir de datos apareados 484 9-5 Comparación de la variación en dos muestras 495 9 8 7 6 5
  10. 10. Contenido xiii Correlación y regresión 514 10-1 Panorama general 517 10-2 Correlación 517 10-3 Regresión 541 10-4 Variación e intervalos de predicción 557 10-5 Regresión múltiple 566 10-6 Elaboración de modelos 576 Experimentos multinomiales y tablas de contingencia 588 11-1 Panorama general 590 11-2 Experimentos multinomiales: Bondad de ajuste 591 11-3 Tablas de contingencia: Independencia y homogeneidad 606 11-4 Prueba de McNemar para datos apareados 621 Análisis de varianza 634 12-1 Panorama general 636 12-2 ANOVA de un factor 637 12-3 ANOVA de dos factores 655 Estadística no paramétrica 674 13-1 Panorama general 676 13-2 Prueba del signo 678 13-3 Prueba de rangos con signo de Wilcoxon para datos apareados 689 13-4 Prueba de la suma de rangos de Wilcoxon para dos muestras independientes 695 13-5 Prueba de Kruskal-Wallis 702 13-6 Correlación de rangos 708 13-7 Prueba de rachas para detectar aleatoriedad 717 Control estadístico de procesos 732 14-1 Panorama general 734 14-2 Gráficas de control para la variación y la media 734 14-3 Gráficas de control para atributos 748 Proyectos, procedimientos y perspectivas 760 15-1 Proyectos 760 15-2 Procedimientos 765 15-3 Perspectivas 767 15 14 13 12 11 10
  11. 11. xiv Contenido Apéndices 767 Apéndice A: Tablas 768 Apéndice B: Conjuntos de datos 785 Apéndice C: Glosario 808 Apéndice D: Bibliografía 816 Apéndice E: Soluciones de los ejercicios impares (y de todos los ejercicios de repaso y de los ejercicios de repaso acumulativo) 817 Créditos 855 Índice 857
  12. 12. Filosofía Estadística, décima edición, es el resultado de más de 30 años de enseñanza, in- vestigación e innovación en la instrucción de la estadística. La meta de este libro es que se convierta en una introducción interesante y detallada a la estadística para los estudiantes. Aunque a lo largo del texto se encuentran fórmulas y procedi- mientos formales, destaca el desarrollo de conocimientos estadísticos y de un pen- samiento crítico. Este libro fomenta el pensamiento más allá del uso irreflexivo de procedimientos mecánicos. Estadística ha sido el principal libro de texto de introducción a la estadística en Estados Unidos durante muchos años. Al llegar a millones de estudiantes, se ha con- vertido en el libro de estadística más vendido de todos los tiempos. Las siguientes son algunas características importantes que han contribuido a su éxito continuo: • Énfasis en los conocimientos estadísticos y en un pensamiento crítico • Énfasis en la comprensión de los conceptos y no en la realización de cálculos de forma mecánica • Uso abundante de datos reales • Un estilo de escritura claro, fácil de entender y en ocasiones con sentido del humor • Componentes pedagógicos abundantes y diversos • Una gama de complementos útiles para los estudiantes y los profesores • Profesionales de ventas, técnicos, de apoyo y editoriales de Addison-Wesley con un compromiso y experiencia excepcionales Además de enseñar estadística, otro objetivo importante de Estadística, déci- ma edición, es brindar un marco de referencia que fomente el crecimiento personal a través del uso de la tecnología, el trabajo con los compañeros, el pensamiento crítico y el desarrollo de habilidades de comunicación. Estadística permite que los estudiantes apliquen las habilidades adquiridas fuera del salón de clases, en un contexto del mundo real. Este texto obedece las recomendaciones y lineamientos de la American Statistical Association, la Mathematical Association of America, la American Mathematical As- sociation of Two-Year Colleges y el National Council of Teachers of Mathematics. Público/Prerrequisitos El libro Estadística se escribió para estudiantes de cualquier carrera. Aun cuando el uso del álgebra es mínimo, los estudiantes deben haber cursado al menos una materia de álgebra elemental en la preparatoria o la universidad. En muchos casos se incluyen teorías subyacentes, pero este libro no enfatiza el rigor matemático que es más adecuado para carreras en matemáticas. Puesto que la gran cantidad de Prefacio xv
  13. 13. xvi Prefacio ejemplos y ejercicios cubren una amplia variedad de aplicaciones estadísticas distin- tas e interesantes, Estadística es apropiado para estudiantes de una gran diversidad de disciplinas, que van desde las ciencias sociales, la psicología y la sociología, has- ta áreas tales como la educación, los campos de la salud, negocios, economía, inge- niería, humanidades, ciencias físicas, periodismo, comunicación y artes. Herramientas tecnológicas Estadística, décima edición, puede utilizarse fácilmente sin referencia a alguna tec- nología específica. Muchos profesores continúan usando las distintas ediciones de este libro con estudiantes, con tan sólo una variedad de calculadoras científicas. Sin embargo, para aquellos que deciden complementar el curso con herramientas tec- nológicas, se incluye material específico dentro del texto, aunque también existen materiales complementarios disponibles. Cambios en esta edición • La sección de Visualización de datos se ha dividido en dos secciones, dando así un mayor énfasis en las gráficas estadísticas: Sección 2-3: Histogramas Sección 2-4: Gráficas estadísticas • El capítulo en ediciones anteriores referente a la Descripción, exploración y comparación de datos se dividió en dos capítulos: Capítulo 2: Resumen y gráficas de datos Capítulo 3: Estadísticos para describir, explorar y comparar datos • Nueva sección: Prueba de McNemar para datos apareados (sección 11-4) • En algunas secciones, el libro se ha dividido en Parte 1 (aspectos básicos) y Parte 2 (más allá de lo básico) para facilitar su enfoque en conceptos centrales. • El análisis de ciertos temas se ha ampliado: potencia (sección 8-2); gráficas residuales (sección 10-3); regresión logística (sección 10-5); y gráficas de in- teracción (sección 12-3). • Verificación de requisitos: Cuando se considera pertinente, las soluciones inician con una verificación formal de los requisitos que deben cubrirse antes de utilizar un método en particular. • Conocimientos estadísticos y pensamiento crítico: Cada sección de ejerci- cios inicia con cuatro ejercicios que implican específicamente conocimientos estadísticos y un pensamiento crítico. Asimismo, al final a cada capítulo se in- cluyen cuatro ejercicios más de este tipo. • Respuestas de herramientas tecnológicas: Las respuestas en el apéndice E se basan en el uso de tablas, pero también se incluyen respuestas de las herramientas tecnológicas cuando existen discrepancias. Por ejemplo, una respuesta aparece como “valor P: 0.2743 (herramienta tecnológica: 0.2739)”, donde “herramienta tecnológica” indica la respuesta que se obtendría utilizando un programa como STATDISK, Minitab, Excel o una calculadora TI-83>84 Plus. Además, siempre que es posible, se utilizan los valores P en la mayoría de las respuestas. • Conjuntos pequeños de datos: En esta edición se incluye un número mucho mayor de ejercicios con conjuntos pequeños de datos.
  14. 14. Prefacio xvii • Nuevos ejercicios de ejemplos: El 68% de los ejercicios son nuevos, y el 53% de los ejercicios incluyen datos reales. El 66% de los ejemplos son nuevos. • Los 20 temas más importantes (Top 20): En esta edición identificamos los 20 temas más importantes en cualquier curso de introducción a la estadística, los cuales aparecen marcados en el texto como . Contenido flexible al plan de estudios La organización de este libro refleja las preferencias de la mayoría de los profeso- res de estadística, pero existen dos variaciones comunes que pueden ser fácilmente utilizadas en esta décima edición: • Pronta cobertura de correlación>>regresión: Algunos profesores prefieren cubrir los aspectos básicos de la correlación y la regresión al inicio del cur- so, inmediatamente después de los temas del capítulo 3. Las secciones 10-2 (correlación) y 10-3 (regresión) pueden cubrirse en las primeras etapas del curso. Simplemente omita la cobertura de la Parte 1 (conceptos básicos) en cada una de las dos secciones. • Poco contenido del tema de probabilidad: Algunos profesores consideran que el tema de probabilidad debe cubrirse en forma extensa, mientras que otros prefieren cubrirlo en forma mínima. Estos últimos pueden incluir la sección 4-2 y omitir las secciones restantes del capítulo 4, ya que no son esenciales para los capítulos posteriores. Muchos profesores prefieren cubrir sólo los fundamen- tos de la probabilidad, junto con los aspectos básicos de las reglas de la suma y la multiplicación; estos temas se pueden cubrir con las secciones 4-1 a 4-4. La sección 4-5 incluye la probabilidad condicional, y las secciones posteriores se ocupan de los métodos de simulación y conteo (incluyendo las permutaciones y las combinaciones). Ejercicios Se incluyen más de 1750 ejercicios ¡y el 68% de éstos son nuevos! Un número mayor de ejercicios utilizan conjuntos más pequeños de datos y muchos de ellos requieren la interpretación de los resultados. En virtud de que los ejercicios son de gran importancia en cualquier libro de estadística, se ha tenido gran cuidado para asegurar su utilidad, relevancia y exactitud. Tres especialistas en estadística leyeron el libro en sus etapas finales para verificar la precisión del material del texto y de las respuestas a los ejercicios. Los ejercicios se acomodaron en orden de dificultad creciente dividiéndolos en dos grupos: 1. Destrezas y conceptos básicos, y 2. Más allá de lo básico, los cuales incluyen conceptos más difíciles o requieren de un acervo matemático más sólido. En pocos casos estos ejercicios también presentan un concepto nuevo. Datos reales: El 53% de los ejercicios utilizan datos reales. (Puesto que esta edición tiene muchos más ejercicios en la sección de Conocimientos estadísticos y pensamiento crítico, el porcentaje de ejercicios que utilizan datos reales es menor que en la novena edición, pero el número de ejercicios que utilizan datos reales es aproximadamente el mismo). Como el uso de datos reales es tan importante para los estudiantes, se dedicaron cientos de horas para encontrar información real, sig-
  15. 15. xviii Prefacio nificativa e interesante. Además de los datos reales incluidos a lo largo del libro, muchos ejercicios se refieren a los 18 conjuntos grandes de datos listados en el apéndice B. Características distintivas Se ha tenido mucho cuidado para asegurar que cada capítulo de Estadística ayude a los estudiantes a comprender los conceptos presentados. Las siguientes caracterís- ticas se diseñaron para lograr este objetivo: • Características del inicio de cada capítulo: Se incluye una lista de seccio- nes que presentan el capítulo al estudiante; un problema que inicia el capítulo, basado en datos reales, motiva el estudio del material presentado, y la primera sección es un panorama general que establece los objetivos del capítulo. • Características del final de cada capítulo: Un Repaso del capítulo resume los conceptos y temas principales; los ejercicios sobre Conocimientos estadís- ticos y pensamiento crítico enfatizan los conceptos del capítulo; los Ejercicios de repaso permiten revisar los conceptos y procedimientos del capítulo. • Los Ejercicios de repaso acumulativo refuerzan el material que se estudió con anterioridad. • De los datos a la decisión: Pensamiento crítico es un problema final que requiere de pensamiento crítico y de habilidades de redacción; De los datos a la decisión Uso de la tecnología STATDISK MINITAB EXCEL T1-83/84 PLUS • Las Actividades de cooperación en equipo fomentan el aprendizaje activo en grupos; • Los Proyectos tecnológicos requieren del uso de STATDISK, Minitab, Excel o de una calculadora TI-83>84 Plus. PR OBLEM A DEL CAPÍT ULO 12
  16. 16. Prefacio xix • Ensayos al margen: El texto incluye 122 ensayos al margen, que ilustran los usos y abusos de la estadística en aplicaciones reales, prácticas e interesantes. Incluyen temas como ¿Prevalece un género en las familias?, ¿Los zurdos mueren antes? y Elección de números de lotería. • Diagramas de flujo: Éstos aparecen a lo largo del texto para simplificar y aclarar conceptos y procedimientos más complejos. Como novedad en esta edición, los diagramas de flujo están animados y pueden revisarse en la pági- na de Internet de MyStatLab de este libro (www.mystatlab.com). • Programas estadísticos de cómputo: A lo largo del libro se encuentran instruc- ciones y resultados de STATDISK, Minitab, Excel y la calculadora TI-83>84 Plus. • Conjuntos de datos reales: Se usan extensamente en todo el libro. En el apéndi- ce B se listan 18 conjuntos de datos, 4 de los cuales son nuevos y 3 que inclu- yen datos nuevos. Estos conjuntos aparecen de forma impresa en el apéndice B, y en forma electrónica en el sitio de Internet. Los conjuntos de datos se refieren a temas tan variados como el consumo de alcohol y tabaco en películas infantiles de dibujos animados, las erupciones del géiser Old Faithful y mediciones relacio- nadas con el tabaquismo pasivo. • Entrevistas: Cada capítulo incluye entrevistas realizadas por el autor a hom- bres y mujeres profesionales de diversos campos que utilizan la estadística en su trabajo diario. • Tablas de referencia rápida: Las tablas A-2 y A-3 (referentes a la distribución normal y distribución t) están reproducidas en la guarda al final del libro y en la tercera de forros. Al principio del libro se incluye una tabla de símbolos, para poder consultar con rapidez los símbolos clave. • Inserto de fórmulas y tablas desprendible: Este material está organizado por capítulos y ofrece a los estudiantes una referencia rápida para estudio o, si lo permiten los profesores, para contestar exámenes. • CD-ROM complementario: El CD-ROM fue elaborado por Mario F. Triola y viene incluido con cada nuevo ejemplar del texto; incluye los conjuntos de datos del apéndice B, que vienen almacenados como archivos de texto, hojas de cálcu- lo de Minitab, archivos de SPSS, archivos de SAS, hojas de cálculo de Excel y aplicaciones de la calculadora TI-83>84 Plus. El disco compacto también incluye una sección sobre el teorema de Bayes, programas para la calculadora graficado- ra TI-83>84 Plus®, el programa estadístico STATDISK (versión 10.1) y el recurso “Add-Inn” de Excel, diseñado para incrementar las capacidades de los programas estadísticos de Excel. Proyecto de Internet
  17. 17. xx Prefacio Complementos Los paquetes complementarios para el profesor tienen el objetivo de conformar el sistema de aprendizaje más completo y útil disponible para un curso de introduc- ción a la estadística. Los profesores deben ponerse en contacto con su represen- tante local de ventas de Pearson Educación o enviar un correo electrónico a la compañía, a la dirección editorialmx@pearsoned.com, para recibir copias de los exámenes. Para el profesor • Manual de soluciones para el profesor, escrito por Milton Loyer (Penn State University), contiene soluciones a todos los ejercicios y ejemplos del curso. • Guía de enseñanza para la serie de Estadística de Triola, escrita por Mario F. Triola, contiene ejemplos de planes de estudio de estadística y consejos para incorporar proyectos, así como también panoramas generales de las lecciones, ejemplos adicionales, objetivos breves y tareas recomendadas para cada capítulo. • MyStatLab (que forma parte de la familia de productos MyMathLab y MathXL) es un curso en línea específico para el libro y fácil de adaptar, que in- tegra una instrucción multimedia interactiva con el contenido del libro de texto. MyStatLab está fortalecido por CourseCompass™— el entorno de enseñanza en línea de Pearson Educación— y por MathXL®— nuestro sistema de tareas, tutorial y evaluación en línea. MyStatLab le ofrece las herramientas necesarias para impartir todo su curso o una parte de él en línea, ya sea que los estudian- tes se encuentren en un ambiente de laboratorio o en su hogar. MyStatLab ofrece un conjunto rico y flexible de materiales para el curso, incluyendo ejerci- cios de respuesta libre para una práctica y dominio ilimitados. Los profesores pueden utilizar los administradores de tareas y exámenes de MyStatLab para seleccionar y asignar ejercicios en línea relacionados directamente con el libro; también pueden crear y asignar sus propios ejercicios en línea, así como im- portar exámenes TestGen para añadir flexibilidad. El libro de calificaciones en línea de MyStatLab —diseñado específicamente para matemáticas y estadísti- ca— registra automáticamente los resultados de las tareas y los exámenes de los estudiantes, y permite que el profesor determine la forma de calcular las cali- ficaciones finales. Los profesores también pueden añadir calificaciones no obtenidas en línea (sino con lápiz y papel) al libro de calificaciones. MyStatLab está disponible para practicantes autorizados. Para mayor información póngase en contacto con su representante de ventas de Pearson Educación. • Sistema de evaluación: Se tuvo gran cuidado en asegurar el sistema de evaluación más sólido para la nueva edición de Estadística.Además de un banco de exámenes impreso, también existe un generador de exámenes computarizado, el TestGen, que permite al profesor ver y editar preguntas del banco de exámenes, transferirlas a otros exámenes y realizar impresiones en diversos formatos. El programa tam- bién ofrece muchas opciones para organizar y presentar los bancos de exámenes y los exámenes mismos. Gracias a su capacidad de elaboración aleatoria y a su generador de exámenes, el TestGen resulta ideal para crear múltiples versiones de exámenes, ya que ofrece mayor posibilidad de reactivos de exámenes que las preguntas del banco de reactivos impresas. Los usuarios pueden exportar los exámenes para que sean compatibles con diversos sistemas de administración de cursos o incluso para que aparezca en un navegador de Internet. Además, las
  18. 18. Prefacio xxi pruebas creadas con TestGen pueden utilizarse con el QuizMaster, el cual per- mite al estudiante resolver exámenes a través de una computadora. Para el estudiante • MathXL® para Estadística es un poderoso sistema que complementa los li- bros de texto de estadística y matemáticas de Pearson Educación, el cual ofrece tareas, evaluaciones y tutoriales en línea. Con la herramienta MathXL para Esta- dística, los profesores pueden crear, editar y asignar tareas en línea, creadas específicamente para el libro de texto de Triola, así como pruebas que utilizan ejercicios generados de manera algorítmica, correlacionados con el nivel de los objetivos de este libro. Todo el trabajo de los estudiantes se registra en el libro de calificaciones en línea de MathXL. Los estudiantes pueden resolver exáme- nes de capítulos en esta herramienta y recibir planes de estudio personalizados a partir de sus resultados. El plan de estudio diagnostica debilidades y vincula a los estudiantes directamente con ejercicios tutoriales para los objetivos que nece- sitan estudiar y reevaluar. Los estudiantes también pueden revisar animaciones y clips de video de Triola directamente a partir de ejercicios seleccionados. MathXL para Estadística está disponible para los practicantes autorizados. Para mayor información, póngase en contacto con su representante de ventas de Pearson Educación. • Página de Internet de Estadística de Triola: Se puede acceder a este sitio en http://www.pearsoneducacion.net/triola. Este sitio ofrece proyectos de Internet relacionados con cada uno de los capítulos del texto, así como los conjuntos de datos.
  19. 19. Reconocimientos xxiii RECONOCIMIENTOS E sta décima edición de Estadística es particularmente especial. Estoy muy agradecido con los miles de profesores de estadística que han contribuido al éxito de este libro. Agradezco en particular a mis alumnos, quienes de- sempeñaron un papel fundamental en la creación de un método de enseñanza efectivo que pudiera traducirse en un libro de texto, y a los numerosos estudiantes que han aprendido con este libro y que gentilmente han expresado muchos co- mentarios útiles. El éxito de Estadística se puede atribuir al compromiso y dedicación de todo el equipo de Pearson Educación, y expreso mi más sincero agradecimiento a Deir- dre Lynch, Christine O’Brien, Greg Tobin, Peggy McMahon, Barbara Atkinson, Phyllis Hubbard, Ceci Fleming, Celena Carr, Sara Oliver, Joe Vetere, Beth Ander- son y Dana Weightman. También agradezco a Janet Nuciforo de Nesbitt Graphics por su excelente trabajo de producción. Este libro no habría sido posible sin el apoyo de mi familia. Agradezco a mi esposa Ginny por su constante apoyo y guía, a mi hijo Scott por animarme continua- mente, y a mi hijo Marc Triola, doctor en medicina, por reprogramar y fortalecer el STATDISK, que ahora es un programa poderoso y de calidad. De entre los muchos trabajadores de Pearson Educación, me gustaría agrade- cer y reconocer personalmente las contribuciones de los representantes de ventas y de los gerentes de ventas que han sido muy útiles al atender a los profesores que utilizan este libro. Ha sido un placer absoluto trabajar con los siguientes profesio- nales durante 10 años o más: Paul Altier Jay Beckenstein Eileen Burke John Cross Andrew Crowley Julie Davis Karin DeJamaer Margaret Dzierzanowski Peter Harris Nancy Hart Jim Lawler Bill Leonard Steve May Tom Shaffer Otis Taylor Julie Ward También me gustaría agradecer especialmente a los siguientes representantes de ventas veteranos que han vendido diversas ediciones de Estadística: Nola Akala Allison Andrews Naomi Bahary Michael Bailey Corinn Berman Carol Britz Kathy Campbell Dave Chwalik Jamie Commissaris Michelle Cook Susan Coughlin Tami Dreyfus Jane Fleming Matthew Genaway Rhonda B. Goedeker Lori Hales Leigh Jacka Jay Johnson Laura C. Johnson Jennifer Koehler
  20. 20. xxiv Reconocimientos Ann Kuick Dara Lanier Mary Kaye Leonard Donna Loughman Martha McDonald Richard McMenamy Lee Monroe Lorri Morgan Tracy Morse Linda Nelson Leah Newman Teri Orr Amanda Perdaris Scott Perrine Marisa Raffaele Nick Rumpff Karen Scholz Eugene Smith Pam Snow Frank Steed Me gustaría agradecer a las siguientes personas por su ayuda a la décima edición: Emily Keaton David R. Lund, University of Wisconsin at Eau Claire Tim Mogill Kimberly Polly, Parkland College Tom Wegleitner Revisores de la décima edición Raid W. Amin, University of West Florida Keith Carroll, Benedictine University Monte Cheney, Central Oregon Community College Christopher Donnelly, Macomb Community College Theresa DuRapau, Our Lady of Holy Cross Billy Edwards, University of Tennessee— Chattanooga Marcos Enriquez, Moorpark College Angela Everett, Chattanooga State Technical Community College Joe Franko, Mount San Antonio College Sanford Geraci, Broward Community College Laura Heath, Palm Beach Community College Laura Hillerbrand, Broward Community College Gary King, Ozarks Technical Community College Mickey Levendusky, Pima County Community College Tristan Londre, Blue River Community College Alma Lopez, South Plains College Carla Monticelli, Camden County Community College Julia Norton, California State University Hayward Michael Oriolo, Herkimer Community College Jeanne Osborne, Middlesex Community College Ali Saadat, University of California—Riverside Radha Sankaran, Passaic County Community College Pradipta Seal, Boston University Sharon Testone, Onondaga Community College Dave Wallach, University of Findlay Cheng Wang, Nova Southeastern University Gail Wiltse, St. John River Community College Claire Wladis, Borough of Manhattan Community College Yong Zeng, University of Missouri at Kansas City Jim Zimmer, Chattanooga State Technical Community College Cathleen Zucco-Teveloff, Trinity College Mark Z. Zuiker, Minnesota State University, Mankato Por su ayuda y sugerencias en áreas especiales, agradezco a las siguientes personas: Vincent DiMaso Rod Elsdon, Chaffey College David Straayer, Sierra College Glen Weber, Christopher Newport University Revisores de estilo
  21. 21. Reconocimientos xxv Por su ayuda al probar y mejorar el programa STATDISK, agradezco a los siguientes colaboradores: Justine Baker Henry Feldman, M.D. Robert Jackson Caren McClure Sr. Eileen Murphy John Reeder Carolyn Renier Cheryl Slayden Victor Strano Gary Turner Por sus sugerencias, quiero expresar mi más sincero agradecimiento a los siguientes revisores y usuarios de ediciones anteriores de este libro: Dan Abbey, Broward Community College Mary Abkemeier, Fontbonne College William A. Ahroon, Plattsburgh State Scott Albert, College of Du Page Jules Albertini, Ulster County Community College Tim Allen, Delta College Stu Anderson, College of Du Page Jeff Andrews, TSG Associates, Inc. Mary Anne Anthony, Rancho Santiago Community College William Applebaugh, University of Wisconsin–Eau Claire James Baker, Jefferson Community College Justine Baker, Peirce College, Philadelphia, PA Anna Bampton, Christopher Newport University Donald Barrs, Pellissippi State Technical Community College James Beatty, Burlington County College Philip M. Beckman, Black Hawk College Marian Bedee, BGSU, Firelands College Marla Bell, Kennesaw State University Don Benbow, Marshalltown Community College Michelle Benedict, Augusta College Kathryn Benjamin, Suffolk County Community College Ronald Bensema, Joliet Junior College David Bernklau, Long Island University Maria Betkowski, Middlesex Community College Shirley Blatchley, Brookdale Community College David Balueuer, University of Findlay Randy Boan, Aims Community College John Bray, Broward Community College- Central Denise Brown, Collin County Community College Patricia Buchanan, Pennsylvania State University John Buchl, John Wood Community College Michael Butler, Mt. San Antonio College Jerome J. Cardell, Brevard Community College Don Chambless, Auburn University Rodney Chase, Oakland Community College Bob Chow, Grossmont College Philip S. Clarke, Los Angeles Valley College Darrell Clevidence, Carl Sandburg College Paul Cox, Ricks College Susan Cribelli, Aims Community College Imad Dakka, Oakland Community College Arthur Daniel, Macomb Community College Gregory Davis, University of Wisconsin, Green Bay Tom E. Davis, III, Daytona Beach Community College Charles Deeter, Texas Christian University Joseph DeMaio, Kennesaw State University Joe Dennin, Fairfield University Nirmal Devi, Embry Riddle Aeronautical University Richard Dilling, Grace College Rose Dios, New Jersey Institute of Technology Dennis Doverspike, University of Akron Paul Duchow, Pasadena City College Bill Dunn, Las Positas College Marie Dupuis, Milwaukee Area Technical College Evelyn Dwyer, Walters State Community College Jane Early, Manatee Community College Wayne Ehler, Anne Arundel Community College Sharon Emerson-Stonnell, Longwood College P. Teresa Farnum, Franklin Pierce College Ruth Feigenbaum, Bergen Community College Vince Ferlini, Keene State College Maggie Flint, Northeast State Technical Community College
  22. 22. xxvi Reconocimientos Bob France, Edmonds Community College Christine Franklin, University of Georgia Richard Fritz, Moraine Valley Community College Maureen Gallagher, Hartwick College Joe Gallegos, Salt Lake Community College Mahmood Ghamsary, Long Beach City College Tena Golding, Southeastern Louisiana University Elizabeth Gray, Southeastern Louisiana University Jim Graziose, Palm Beach Community College David Gurney, Southeastern Louisiana University Francis Hannick, Mankato State University Sr. Joan Harnett, Molloy College Kristin Hartford, Long Beach City College Leonard Heath, Pikes Peak Community College Peter Herron, Suffolk County Community College Mary Hill, College of Du Page Larry Howe, Rowan College of New Jersey Lloyd Jaisingh, Morehead State University Lauren Johnson, Inver Hills Community College Martin Johnson, Gavilan College Roger Johnson, Carleton College Herb Jolliff, Oregon Institute of Technology Francis Jones, Huntington College Toni Kasper, Borough of Manhattan Community College Alvin Kaumeyer, Pueblo Community College William Keane, Boston College Robert Keever, SUNY, Plattsburgh Alice J. Kelly, Santa Clara University Dave Kender, Wright State University Michael Kern, Bismarck State College John Klages, County College of Morris Marlene Kovaly, Florida Community College at Jacksonville John Kozarski, Community College of Baltimore County–Catonsville Tomas Kozubowski, University of Tennessee Shantra Krishnamachari, Borough of Manhattan Community College Richard Kulp, David Lipscomb University Linda Kurz, SUNY College of Technology Christopher Jay Lacke, Rowan University Tommy Leavelle, Mississippi College Tzong-Yow Lee, University of Maryland R. E. Lentz, Mankato State University Timothy Lesnick, Grand Valley State University Dawn Lindquist, College of St. Francis George Litman, National-Louis University Benny Lo, Ohlone College Sergio Loch, Grand View College Debra Loeffler, Community College of Baltimore County–Catonsville Vincent Long, Gaston College Barbara Loughead, National-Louis University David Lund, University of Wisconsin-Eau Claire Rhonda Magel, North Dakota State University–Fargo Gene Majors, Fullerton College Hossein Mansouri, Texas State Technical College Virgil Marco, Eastern New Mexico University Joseph Mazonec, Delta College Caren McClure, Santa Ana College Phillip McGill, Illinois Central College Marjorie McLean, University of Tennessee Austen Meek, Canada College Robert Mignone, College of Charleston Glen Miller, Borough of Manhattan Community College Kermit Miller, Florida Community College at Jacksonville Kathleen Mittag, University of Texas–San Antonio Mitra Moassessi, Santa Monica College Charlene Moeckel, Polk Community College Theodore Moore, Mohawk Valley Community College Rick Moscatello, Southeastern Louisiana Uni- versity Gerald Mueller, Columbus State Community College Sandra Murrell, Shelby State Community College Faye Muse, Asheville-Buncombe Technical Community College Gale Nash, Western State College Felix D. Nieves, Antillean Adventist University Lyn Noble, Florida Community College at Jacksonville–South DeWayne Nymann, University of Tennessee Patricia Oakley, Seattle Pacific University Keith Oberlander, Pasadena City College Patricia Odell, Bryant College James O’Donnell, Bergen Community College
  23. 23. Reconocimientos xxvii Alan Olinksy, Bryant College Nasser Ordoukhani, Barry University Ron Pacheco, Harding University Lindsay Packer, College of Charleston Kwadwo Paku, Los Medanos College Deborah Paschal, Sacramento City College S. A. Patil, Tennessee Technological University Robin Pepper, Tri-County Technical College David C. Perkins, Texas A&M University– Corpus Christi Anthony Piccolino, Montclair State University Kim Polly, Parkland College Richard J. Pulskamp, Xavier University Diann Reischman, Grand Valley State University Vance Revennaugh, Northwestern College C. Richard, Southeastern Michigan College Don Robinson, Illinois State University Sylvester Roebuck, Jr., Olive Harvey College Ira Rosenthal, Palm Beach Community College–Eissey Campus Kenneth Ross, Broward Community College Charles M. Roy, Camden County College Kara Ryan, College of Notre Dame Fabio Santos, LaGuardia Community College Richard Schoenecker, University of Wisconsin, Stevens Point Nancy Schoeps, University of North Carolina, Charlotte Jean Schrader, Jamestown Community College A. L. Schroeder, Long Beach City College Phyllis Schumacher, Bryant College Sankar Sethuraman, Augusta College Rosa Seyfried, Harrisburg Area Community College Calvin Shad, Barstow College Carole Shapero, Oakton Community College Adele Shapiro, Palm Beach Community College Lewis Shoemaker, Millersville University Joan Sholars, Mt. San Antonio College Galen Shorack, University of Washington Teresa Siak, Davidson County Community College Cheryl Slayden, Pellissippi State Technical Community College Arthur Smith, Rhode Island College Marty Smith, East Texas Baptist University Laura Snook, Blackhawk Community College Aileen Solomon, Trident Technical College Sandra Spain, Thomas Nelson Community College Maria Spinacia, Pasco-Hernandez Community College Paulette St. Ours, University of New England W. A. Stanback, Norfolk State University Carol Stanton, Contra Costra College Richard Stephens, Western Carolina College W. E. Stephens, McNeese State University Terry Stephenson, Spartanburg Methodist College Consuelo Stewart, Howard Community College David Stewart, Community College of Baltimore County–Dundalk Ellen Stutes, Louisiana State University at Eunice Sr. Loretta Sullivan, University of Detroit Mercy Tom Sutton, Mohawk College Andrew Thomas, Triton College Evan Thweatt, American River College Judith A. Tully, Bunker Hill Community College Gary Van Velsir, Anne Arundel Community College Paul Velleman, Cornell University Randy Villa, Napa Valley College Hugh Walker, Chattanooga State Technical Community College Charles Wall, Trident Technical College Glen Weber, Christopher Newport College David Weiner, Beaver College Sue Welsch, Sierra Nevada College Roger Willig, Montgomery County Community College Odell Witherspoon, Western Piedmont Community College Jean Woody, Tulsa Junior College Carol Yin, LeGrange College Thomas Zachariah, Loyola Marymount University Elyse Zois, Kean College of New Jersey M.F.T. LaGrange, Nueva York, julio de 2005
  24. 24. Índice de aplicaciones xxix Agricultura Dientes de león (E), 234 Experimento de crecimiento de árboles (E), 187 Fenotipos de chícharos (E), 87, 105 Fertilizante (RA), 132; (EJT), 488-489 Gallinas que ponen huevos (EJT), 6, 202 Leche de vaca (EJT), 6, 202 Longevidad de árboles tratados con fertilizante (MB), 91 Mediciones de árboles (R), 131; (RA), 131 Nuevo fertilizante y crecimiento de árboles (EJT), 24-25 Pesos de álamos (E), 88-89, 107-108, 650, 661, 662; (PC), 635; (EJT), 639-640, 655-660, 703-704; (MB), 653; (PT), 670 Prueba de semillas de maíz (E), 128, 493, 687, 691; (EJT), 681-682 Semillas de paja (R), 508 Alimentos/bebidas Azúcar en cereales (E), 434 Azúcar en naranjas (M), 355 Azúcar y calorías en cereales (E), 553 Barras energéticas de proteínas (R), 36 Carbohidratos en la comida (RA), 312-313 Cereales (E), 87, 105 Coca-Cola frente a Pepsi (ACE), 380, 449; (EJT), 498-500 Coca-Cola regular y Coca-Cola dietética (E), 50, 55, 89-90, 107, 288 Comida saludable de chocolate (E), 18 Comparación entre Pepsi regular y Pepsi dietética (E), 362 Dulces M&M (E), 148, 228, 300, 336, 417, 604, 651, 707; (MB), 363, 418, 423, 442, 653; (EJT), 400, 419, 427-428; (RA), 668-669 Escala para calificar alimentos (MB), 11 Huevos rotos (E), 188 Llenado de latas de bebidas (E), 745-746 Pastel de frutas (R), 192 Pesos de Coca-Cola regular y Coca-Cola dietética (E), 483, 502, 503 Pesos de paquetes de azúcar (R), 446 Ambiente Cantidades de precipitación pluvial (E), 443, 467 Choque de meteoritos (EJT), 142 Contaminación de automóviles (E), 362; (R), 666-667 Contaminación del aire (EJT), 16 Datos sobre el clima (E), 50, 55 Decaimiento radiactivo (E), 234 Errores de pronóstico (E), 348, 425, 435; (M), 542 Exactitud de pronóstico y temperaturas (E), 336-337, 417 Géiser Old Faithful (E), 66-67, 87, 105, 494, 535, 554, 575; (PC), 515-516 (EJT), 523, 524, 527-529, 544, 546, 559, 562, 567-568; (R), 582-583 Incendios y acres quemados (E), 537, 555 Incidencia del radón (E), 466-467 Lluvia (E), 50, 55, 504-505, 723 Peso de basura desechada por los hogares (R), 376 Precipitación pluvial (E), 49, 90, 108, 309 Precipitación pluvial en Boston (E), 336, 359, 417, 467, 747; (EJT), 720; (MB), 752 Precisión de los pronósticos del clima (E), 88, 89, 106, 107 Radón en hogares (R), 36 Temperatura mínima diaria (E), 49, 90, 108 Temperaturas (E), 11, 309, 537, 555 Temperaturas de los Everglades (E), 423 Temperaturas máximas (E), 66; (RA), 194 Temperaturas reales y pronosticadas (E), 360, 489, 491, 493, 538-539, 556, 694, 716; (EJT), 485-488 Terremotos (E), 235 Verificación del plomo en el aire (EJT), 78, 79, 81; (E), 310, 434, 443 Biología Anchura de cráneos (E), 362, 652-653, 706 Bacteria E. Coli (E), 173 Chirridos de grillos y temperatura (EJT), 60-61; (E), 537, 555, 565, 715 Cigarras (E), 10 Clonación de seres humanos (EJT), 142-143 Datos de osos (E), 128, 489, 533, 536, 554-555, 574, 576 Ecología, comportamiento animal y ecotoxicología (ET), 383 Experimento de hibridación (E), 157-158, 177, 178, 300, 414; (MB), 605 Experimento del color de los ojos (E), 603 Experimento genético (E), 210, 404, 604; (MB), 224 Género de osos (EJT), 719-720; (E), 722, 723 Genes de ojos azules (RA), 669 Genética: color de ojos, edad y género (E), 149, 150, 665 Genética mendeliana (E), 147, 228, 334; (EJT), 411-413 Genotipos (EJT), 142 Investigación arqueológica (ET), 513 Largo de huevos de ave (E), 109 Mamíferos más pequeños del mundo (E), 347-348, 361-362, 374, 425, 434, 442 Método de captura y recaptura (ACE), 194 Moscas de la fruta (E), 88, 106, 279 Muerte de manatíes (E), 580; (R), 582 Nucleótidos del ADN (E), 187 Plantas cultivadas en casas (RA), 132 Plantas vasculares y no vasculares (EJT), 163 Sociabilidad y población de cachalotes (ET), 39 Tamaño de poblaciones de vida silvestre (M), 339 Variación en volúmenes cerebrales (R), 508 Deportes Anotación de un tiro libre (EJT), 141 Clasificación de gimnastas (E), 714 Competidores del triatlón olímpico (E), 280 Congelar al pateador (M), 572 Derby de Kentucky (E), 150 Distancias de home runs (PT) 133; (E), 653 Edades de corredores de maratón (E), 534 Educación y deportes (E), 32 Estatura de corredores (E), 34 Estatura de jugadores de los Lakers de LA (E), 310 Ganadores de medallas olímpicas de oro (E), 722 Ganadores olímpicos (E), 435 Género de atletas profesionales (EJT), 6 Hits de jugadores de béisbol (MB), 301-302 Intercepción de lanzamientos del mariscal de campo (EJT), 271 Juegos de la serie mundial (E), 603 Lanzamiento en paracaídas (M), 293 Manchas solares y puntos en el Súper Bowl (E), 715 Maratones (E), 537, 555, 663-664 Número de la camiseta de jugadores de básquetbol (E), 10 Pelotas de béisbol (E), 433 Pesos de timoneles y remeros en una carrera de canotaje (E), 54-55 Porcentaje de strikes declarados por árbitros (R), 447 Promedio de bateo (M), 96 Rachas de suerte en los deportes (M), 719 Salarios y desempeño de la NBA (M), 570 Índice de aplicaciones Los significados de las letras entre paréntesis son los siguientes: PC ϭ problema del capítulo, EJT ϭ ejemplo en el texto, M ϭ ejemplo al margen, E ϭ ejercicio, MB ϭ más allá de lo básico, R ϭ ejercicio de repaso, RA ϭ ejercicio de repaso acumulativo, DD ϭ de los datos a la decisión, ACE ϭ actividad de cooperación en equipo, PT ϭ proyecto tecnológico, ET ϭ la estadística en el trabajo.
  25. 25. xxx Índice de aplicaciones Serie mundial de béisbol (E), 211, 723, 724 Súper Bowl (M), 476, 558; (E), 534, 553; (RA), 583-584 Tiros libres de básquetbol (ACE), 754 Torneo de básquetbol de la NCAA (E), 188-189 Ventaja del equipo local (E), 464, 620; (M), 612 Derecho Cámara vigilante (DD), 381 Condenado por probabilidad (M), 163 Crimen en campus (E), 20 Crimen y extraños (R), 629 Crímenes por drogas (E), 414 Demandas por negligencia médica (E), 405 Detección de fraude (E), 301, 335; (PC), 589; (EJT), 597-598 Detectores de mentiras (M), 388 Estado de Arizona vs. Wayne James Nelson (DD), 632 Fraude de tarjeta de crédito (E), 172, 301 Identificación de ladrones (M), 473 Identificación de voz de un criminal (E), 166 Multas por exceso de velocidad (E), 90, 108 Pena de muerte (E), 405; (ACE), 449, 510; (M), 462 Precisión de pruebas con polígrafo (E), 618 Puesto de revisión de sobriedad (E), 32 Robo de identidad (EJT), 180 Selección de miembros de un jurado (PC), 199; (EJT), 201, 203, 207, 208, 215-217, 219, 225-227; (E), 211, 220, 301, 335, 417 Sentencia independiente de la declaración de inocencia (E), 618 Soborno en el Jai Alai (M), 743 Testimonio en la Suprema Corte (M), 459 Trampa en impuestos (E), 32 Velocidades de conductores multados en carretera interestatal (E), 347 Economía y negocios Acciones (E), 534, 553, 580-581; (M), 558 Accionistas de The Coca Cola Company (R), 35 Alto costo de la baja calidad (M), 750 Análisis de ventas (ET), 757 Analista del IRS (E), 32 Artículos defectuosos (E), 166, 171, 173, 227, 298, 752; (MB), 174, 213, 230; (R), 753-754; (RA), 754; (PT), 755 Auditorías del IRS (E), 223 Aumento de la calidad (E), 224 Canciones descargadas (E), 336 Centro telefónico (E), 278-279 Códigos de barras (M), 185; (R), 193 Comerciales (M), 419 Compañía farmacéutica (ET), 197 Compras en Internet (E), 335 Consumidores engañados (R), 446 Consumo diario de petróleo (EJT), 14-15 Consumo eléctrico (R), 753 Control de calidad (E), 31, 33, 172, 279- 280, 403, 431, 438-439; (EJT), 427-428; (M), 748 Diferencia en los valores del hogar (E), 482 Discos compactos fabricados por Sony (M), 568 Empresa editorial (ET), 73 Estadística y administración de la calidad (ET), 452-453 Etiquetas de empaques de dulces M&M (E), 290 Exactitud del IRS (E), 148 Fabricación de altímetros para aeronaves (E), 442 Fabricación de latas de aluminio (DD), 756 Fabricación de teléfonos celulares (E), 178; (PT), 195 Factura fiscal media (E), 359 Filas de espera en los bancos (E), 443 Ley de Moore (MB), 581 Máquina para recubrimiento de papel (M), 740 Máquinas expendedoras (E), 290; (R) 377 Medios de comunicación masiva y publicidad (E), 20 Mercado de acciones (E), 723 Mercado de acciones y ventas de automóviles (E), 714 Muestreo de aceptación (E), 223, 300-301 Navegación en Internet (E), 415 Necesidad de agua caliente en un hotel (E), 289-290 Números del seguro social (E), 10 Precio de lista y precio de venta (E), 538, 556 Precios de casas (E), 494, 575 Precisión de escáner (E), 416, 619 Predicción de costos de electricidad (R), 583 Predicción de precios de condominios (E), 545 Producto de consumo (E), 10 Promedio industrial Dow Jones (RA), 583-584; (ACE), 754-755 Pronóstico y análisis de Walt Disney World (ET), 587 Propinas (M), 121 Publicidad (ACE), 380 Publicidad televisiva (E), 299-300 Quejas ante compañía telefónica (EJT), 59, 60 Reconocimiento de marca (E), 148, 211 Reemplazo de televisores (MB), 301 Seis Sigma en la industria (M), 749 Tasa de defectos (E), 751 Telemarketing (E), 279 Tiempos de espera de consumidores (E), 89; (EJT), 92-93, 95, 96, 97, 102, 107; (ACE), 510 Toxicólogo (ET), 673 Ventas de casas (E), 213 Educación Asistencia a clases y calificaciones (M), 680 Ausencias (ACE), 755 Bloqueo en exámenes (E), 482, 504 Calificación perfecta en la prueba SAT (M), 164 Calificación y lugar para sentarse (E), 602 Calificaciones de examen (EJT), 84, 351; (E), 118, 650; (RA), 630 Calificaciones de mujeres en la prueba de matemáticas del SAT (RA), 448 Calificaciones en la prueba SAT (E), 662-663; (RA), 668-669 Calificaciones en un curso (EJT), 7-8 Carrera y género (ACE), 670, 728 CI de estudiantes de estadística (E), 348, 360 Clasificación de escuelas de medicina (R), 726 Clasificación de escuelas de negocios y leyes (R), 725 Clasificación de universidades (PC), 675; (EJT), 710-711, 712 Conjeturas en un examen (E), 165, 220, 221, 227-228; (R), 237 Cursos de preparación para la prueba SAT (E), 492; (MB), 494 Curva de aprendizaje (MB), 716-717 Edad de profesores (E), 108 Educación y deportes (E), 32 El crecimiento de la estadística (M), 113 Estudiantes de estadística presentes en una clase (EJT), 202 Estudiantes suspendidos (EJT), 13 Exámenes de opción múltiple (RA), 630 Gastos para el regreso a clases (E), 359 Las evaluaciones de maestros se correlacio- nan con las calificaciones (M), 522 Las personas que se gradúan de la universidad viven más tiempo (E), 18 Longitud de un salón de clases (ACE), 380, 449, 669-670;(R), 666 Mejores resultados con tamaños de clases más pequeños (M), 477 Muestra de estudiantes (E), 33 Normalización de calificaciones de un examen (MB), 269 Nueva política de asistencia (EJT), 23 Número de clases (E), 51 Orden de los asientos en clase (ACE), 727 Paradoja del tamaño de la clase (M), 79 Precios de libros de texto universitarios (EJT), 9 Predicción de éxito (M), 567 Preparación para la prueba SAT (E), 288-289 Programa de preparación para la prueba SAT (RA), 727 Promedio de calificación (E), 423 Pruebas SAT y ACT (MB), 269 Puntuaciones de CI (E), 34, 117, 266, 298, 404, 489, 553, 706; (EJT), 100, 101, 261-262, 391; (M), 94, 736; (MB), 268,
  26. 26. Índice de aplicaciones xxxi 605-606; (R), 310, 311,446, 447; (PT), 450, 511 Puntuaciones de CI de gemelos idénticos (PT) 585 Puntuaciones de CI de profesores (E), 344-345, 432; (R), 446 Selección de estudiantes (E), 165 Sesgo por género en una pregunta de examen (R), 312 Tamaño de la clase (EJT), 247-249; (E), 257 Tiempo de estudio y calificaciones (E), 18 Tiempo para obtener un título universitario (E), 347 Encuestas y sondeos de opinión Adultos que se oponen a los impuestos estatales (E), 444 Aplicación de encuestas (E), 19 Creencia de que existe vida en otros lugares de la galaxia (E), 156 Cuestionarios para grupos de mujeres (M), 392 Detección de datos falsos (M), 16 El medio de encuesta puede afectar los resultados (M), 613 Encuesta a clientes de Merrill Lynch (E), 19 Encuesta a consumidores (RA), 70 Encuesta de American Online (ACE), 37 Encuesta de estudiantes (MB), 33; (E), 332; (R), 628 Encuesta de la revista Glamour (R), 446 Encuesta de MTV (E), 32 Encuesta de parejas casadas en centros comerciales (MB), 694 Encuesta de salud (E), 467 Encuesta de trabajadores (E), 414 Encuesta de votantes (E), 278, 299 Encuesta Gallup (EJT), 4; (E), 20, 404, 416, 464 Encuesta por correo (E), 11, 19 Encuesta por correo electrónico (EJT), 329-330 Encuesta por Internet (E), 130, 414 Encuesta preelectoral (M), 458 Encuesta pública (ET), 243 Encuesta sobre bebida (E), 10, 416 Encuesta sobre clonación (E), 301, 335 Encuesta sobre consumo de leche (R), 377 Encuesta sobre tabaquismo y educación universitaria (R), 378; (E), 417 Encuesta sobre teléfonos celulares (R), 34 Encuestas de salida (E), 32; (RA), 132 Encuestas de televidentes (E), 222-223 Encuestas sobre temas delicados (ACE), 194-195; (M), 262 Encuestas y sondeos telefónicos (E), 32, 212-213, 465, 752 Estimados para mejorar el censo (M), 356 Exactitud de encuesta (MB), 337 Falsificación de datos (MB), 21; (M), 326 Influencia del género (EJT), 612-613 La ética en los reportes (M), 643 Minería de datos (M), 119 Nivel de confianza de encuesta (E), 166 Porcentaje de usuarios del teléfono (E), 414 Pregunta incorrecta (E), 19 Prueba de la influencia del género (E), 619 ¿Qué está mal en este asunto? (MB), 21 Rechazo de encuestas y grupo de edad (E), 620 Reporte de resultados de encuesta en periódico (R), 376 Resistencia a la encuesta (E), 158; (M), 642 Respuestas de encuesta (EJT), 7 Respuestas de encuesta confusas (E), 334 Visitas repetidas (M), 215 Entretenimiento Asistencia a parque temático (RA), 379 Audiencia televisiva (R), 237 Audiencias y ventas de canción (E), 535, 554, 715-716 Autocinemas (EJT), 61-62; (MB), 118 Boston’s Women’s Club (MB), 291 Calificación de facilidad de lectura (R), 666 Calificaciones de películas (E), 11; (R), 34 Clasificación de críticos de cine (R), 35 Clasificación de Nielsen (E), 11, 31 Comparación de facilidad de lectura (E), 507-509 Compra de una audiencia televisiva (E), 536-537, 555 Concierto de rock (R), 34 Consumo de alcohol y tabaco en películas (E), 336, 417, 435, 467, 494, 505, 694; (MB), 717 Edades de actores y actrices ganadores del Óscar (PC), 41, 75; (EJT), 43-46, 48, 52, 57-59, 81, 83, 99, 112-115, 119-122; (E), 55-56, 603; (MB), 68; (R), 69-70 Montaña rusa (MB), 174 Número posible de melodías (E), 188 Presupuestos e ingresos brutos de películas (E), 535-536, 554, 564, 565, 716 Rutas a los juegos en Disney World (EJT), 182 Salas de cine (E), 68, 723 Sitio Web de Napster (EJT), 13 Televidentes (E), 10, 348 Viajes en un parque de diversiones (E), 346 Finanzas Bonos especulativos (MB), 213 Cajeros automáticos (E), 189 Calificación de crédito (E), 361, 374, 433, 442 Cambio de un dólar (MB), 190 Datos de ingresos (E), 32 Desempeño de inversiones (ET), 633 Deuda de crédito (E), 372; (R), 506-507 Dinero gastado en automóviles nuevos en Estados Unidos (E), 348-349 Elección de códigos personales de seguridad (M), 182 Ingreso personal (EJT), 13-14; (E), 88, 106 Ingresos de tiempo completo de estudiantes universitarios (R), 446 Ingresos promedio anuales (E), 19 Más acciones, menos riesgos (M), 99 Montos de cheques del autor (E), 604 NSS e ingreso (E), 532 Presupuesto tardío del estado de Nueva York (R), 312; (E), 538, 556 Tarjetas de crédito (E), 32,130; (RA), 239; (R), 446 Individuos y psicología Children’s Defense Fund (M), 322 Contacto visual (E), 267 Datos del censo (E), 19 Detectores humanos de mentiras (M), 126 Discriminación racial (E), 18, 615-616; (R), 507 Dominancia de la mano izquierda (E), 178; (RA), 313 Dominancia de la mano izquierda y género (E), 617 Estatura de supermodelos (E), 434, 442-443, 536, 555 Estatura requerida para las mujeres soldados (E), 266 Estatura requerida por el Club Beanstalk (E), 266; (R), 312 Estaturas de estudiantes de estadística (E), 50, 55; (R), 507 Estaturas de hombres (E), 49, 109, 117, 492, 687; (EJT), 103-104, 110-111, 303-306; (R), 131; (ACE), 510 Estaturas de mujeres (EJT), 46-47; (E), 117, 287-288, 307, 309, 372; (MB), 268; (R), 447; (ACE), 510 Estaturas de padre e hijo (E), 537, 555 Estaturas de presidentes (RA), 448; (EJT), 484; (E), 491,687 Estudio de mortalidad (E), 211 Estudio nacional prospectivo de los niños (M), 26 Florence Nightingale (M), 57 Género de hijos (EJT), 143, 168-169, 270-271; (E), 147, 149, 166, 333-334; (MB), 167; (ACE), 313, 380 Género en una familia (M), 270 Identificación de trastornos psiquiátricos (E), 481 Intensad del dolor (DD), 586 La gente más adinerada (E), 279 Lectura de la palma de la mano (M), 519 Longevidad (R), 667-668; (RA), 668 Medición de la desobediencia (M), 7 Medición de la inteligencia en niños (E), 492-493; (R), 725 Novias de junio (E), 603 Número de hijos (ACE), 240 Número de niñas (E), 210, 212 Percepción del tiempo (E), 87, 105, 347, 424 Percepción extrasensorial (ACE), 240, 449
  27. 27. Periodos de vida (ACE), 669 Pesos de hombres (EJT), 103-104 Pesos de supermodelos (EJT), 6; (RA), 378-379;(E), 442, 536, 555 Política de seguro de vida (R), 193; (E), 212 Posposición de la muerte (E), 334, 416, 543, 688 Predicción del color de ojos (E), 573 Pruebas de estrés (E), 118 Psicología del trauma (E), 31 Riqueza y CI (EJT), 17 Selección del género (E), 147, 188, 228, 298, 333-334, 415, 465, 686, 688; (EJT), 164, 174, 179, 184, 190, 386-387, 388-389, 682-683; (R), 192-193; (MB), 230; (DD), 241; (ACE), 380, 448 Tamaño de la familia (E), 10, 19 Terapia de contacto (E), 31, 229; (PC), 319; (EJT), 321, 327-328 Tiempo de reacción (ACE), 510, 584 Trastornos psiquiátricos relacionados con factores biológicos (E), 700 Volumen cerebral y enfermedades psiquiá- tricas (R), 508 Ingeniería Carga axial de una lata de aluminio (E), 424-425 Consumo de energía eléctrica (E), 108 Corriente eléctrica (R), 193 Diseño de asientos (MB), 291 Diseño de asientos de aeronave (DD), 315 Diseño de ataúdes (E), 267 Diseño de cascos (E), 268, 289 Diseño de entradas (E), 267 Diseño de luces estroboscópicas (E), 289 Diseño de tableros para automóvil (EJT), 264-265 Energía solar (E), 651, 706 Ensamble de partes de teléfonos (R), 446 Ingeniero de control de calidad (E), 130 Mars Climate Orbiter (M), 739 Rediseño de asientos expulsores (E), 290 Voltaje para un detector de humo (EJT), 203 Voltajes y corrientes (MB), 91 Interés general Acuñación de monedas de 25 centavos (E), 373, 441-442, 746-747 Anchuras del codo de mujeres (E), 309 Anclaje de números (ACE), 132; (E), 700 Antigüedad de libros (ACE), 380, 449 Años (EJT), 8 Candados de combinación (E), 188 Cargas axiales de latas de aluminio (E), 51, 109, 746; (MB), 56 Circunferencia de la cabeza y longitud del antebrazo (ACE), 584 Códigos de área (E), 188 Códigos postales (E), 116-117 Coincidencias (M), 170 Confiabilidad de sistemas (M), 159 Consumo de energía y temperatura (E), 67 Correo electrónico y privacidad (R), 629 Costo del índice de la risa (M), 110 Cumpleaños (M), 145; (E), 148, 177; (MB), 167, 173, 179; (EJT), 175 Desciframiento de mensajes (E), 228 Día de Acción de Gracias (EJT), 144 Día Nacional de la Estadística (R), 192 Distancia de asiento (E), 268 Edad del presidente de Estados Unidos (ACE), 380, 449 Edades de polizones (E), 88, 106; (EJT), 357 Edades de solicitantes (EJT), 352-353; (E), 361; (MB), 362-363 Efecto del peso al nacer sobre el CI (E), 479-480, 504 El estado de la estadística (M), 5 Errores de medición de peso (R), 311 Escasez de números telefónicos (M), 180 Estatura y envergadura de brazos (ACE), 584, 727 Estatura y estatura del ombligo (ACE), 584, 728 Estaturas de marcianos (MB), 363 Ética en los experimentos (M), 427 Experimento de correo (E), 10 Experimento de física (E), 580 Fuerza de agarre (E), 311 Gane $1,000,000 si tiene poderes extrasensoriales (M), 393 Gemelos en Twinsburg (M), 499 Identificación de autores (M), 44 La secretaria aleatoria (M), 184 La vida en Alfa Romeo (E), 191 Lanzamiento y giro de centavos (EJT), 613-614; (E), 619 Longitud de pajillas (ACE), 37 Longitud del muslo (E), 108 ¿Los zurdos mueren más pronto? (M), 428 Lunas de Júpiter (E), 280 Medidas de maniquíes y de mujeres (M), 77 Monedas ocultas (MB), 174 Monos mecanógrafos (M), 177 Moscas sobre una naranja (MB), 151 Muertes por coces de caballos (E), 235 Números telefónicos en Port Jefferson (MB), 417-418 Periodista (ET), 317 Periodo de vida de un conductor (E), 434 Peso al nacer y graduación (E), 617 Peso y uso del control remoto (EJT), 61 Pesos de anillos de compromiso (EJT), 9 Pesos de centavos (E), 10, 50, 55, 89, 90, 107, 108, 309, 504, 653, 701, 707; (RA), 36; (EJT), 47-48, 369-370 Pesos de monedas de 25 centavos (E), 128, 348, 374-375, 425, 435, 443, 482, 504, 688 Pesos de plástico desechado (E), 49 Plástico desechado y tamaño de la familia (E), 538, 556 Probabilidades que desafían la intuición (M), 139 Prueba de guantes de laboratorio (E), 464 Pruebas de inflamabilidad de tela (E), 651, 707 Puntos en un palo (MB), 151 Recaudación de fondos (E), 32 Redundancia de despertadores (E), 166, 173 Saludos y mesas redondas (MB), 189 Ser alcanzado por un relámpago (E), 147 Tamaño del sombrero y CI (E), 547 Tarjetas de crédito y llaves (ACE), 584-585 Tiempo de llamadas telefónicas (MB), 310 Uso de ropa naranja de cazador (E), 165-166 Vida extraterrestre (PT), 728 Viernes 13 (E), 491, 687 Vocabulario de Shakespeare (M), 152 Juegos Apuestas en hipódromos (M), 142 ¿Cuántas veces hay que barajar? (M), 183 Dado cargado (E), 50, 55, 601 Dados de casino (E), 212 Esquemas para vencer a la lotería (M), 292 Ganadores múltiples de la lotería (M), 260 Ganar centavos de la lotería (M), 181 Ganar la lotería (E), 186, 189 ¿La lotería es aleatoria? (R), 726 Lanzamiento de monedas (RA), 509 Lanzamiento de un dado (E), 187; (EJT), 200 Los estados controlan las selecciones de lotería (M), 303 Lotería Fantasy 5 de California (EJT), 179-180; (E) 186 Lotería Pick 4 de Kentucky (EJT), 209, 233 Lotto 54 (MB), 224 Máquina tragamonedas (E), 223, 601 Principio fundamental del juego (M), 175 Problema de Monty Hall (MB), 179; (ACE), 194 Puedes apostarlo (M), 140 Puntuaciones en el pinball (EJT), 712-713 Recomendación para la lotería (M), 161 Reparto de naipes (MB), 167 Rifa organizada por una revista (E), 212 Ruleta (RA), 70; (EJT), 146; (E), 150, 212, 601; (MB), 301 Seis grados de Kevin Bacon (PC), 3 Selección de números de la lotería (M), 202, 271 Solitario (E), 150 Sopa de letras (E), 188 Salud Alquitrán y cigarrillos (E), 482 Alquitrán y monóxido de carbono en cigarrillos (E), 67, 556 Alquitrán y nicotina en cigarrillos (E), 538, 556, 564, 575 xxxii Índice de aplicaciones
  28. 28. Aspirina y prevención de ataques cardiacos (M), 460 Baterías usadas en marcapasos cardiacos (E), 130 Brecha de género en las pruebas de fármacos (M), 690 Captopril para disminuir la presión sanguí- nea sistólica (E), 490 Ceguera al color (E), 156; (MB), 418 Comparación de dietas (E), 480 Comparación de TEP/TC con IRM (E), 626 Comparación de tratamientos (R), 629-630 Concentración de alcohol en la sangre (R), 726 Costos hospitalarios de choques (R), 378 Cotinina en fumadores (EJT), 180-181; (E), 347, 424, 537 Cura para el resfriado común (R), 445 Datos de salud (EJT), 571-572; (E), 574-575 Dieta Atkin (E), 348, 424 Diseño de experimentos (E), 187 Duración del embarazo (E), 117, 267 Efecto adverso del Viagra (E), 149; (MB), 150-151 Efecto placebo (M), 285 Efectos adversos del Clarinex (E), 417, 466 Efectos cardiovasculares (MB), 33 Efectos de la cocaína en niños (E), 479 Efectos del alcohol (E), 481, 503; (MB), 483-484 Efectos del consumo de marihuana en estudiantes universitarios (E), 480, 503 Eficacia de la equinácea (E), 479, 502 Eficacia de la hipnosis para reducir el dolor (E), 492 Eficacia de la pasta dental Crest para disminuir las caries (M), 486 Eficacia de la vacuna de Salk (EJT), 23-24, 26; (M), 461 Eficacia de parches de nicotina (E), 416 Eficacia de un programa de tratamiento para el VIH (RA), 238 Eficacia de una dieta (E), 433-434, 479 Eficacia de vacuna (E), 617 Eficacia del Prilosec (E), 479 Eficacia del Sleepeze (R), 35 Ejercicio y estrés (E), 652, 706-707 Enfermedades infecciosas (R), 753 Ensayos clínicos (E), 32, 604; (EJT), 183, 185; (M), 261 Estatura y ejercicio (E), 18 Estatura y pulso (E), 538, 536 Experimento de poliomielitis (M), 461 Fármaco para disminuir la presión sanguínea (EJT), 25 Fármaco que reduce el colesterol (E), 191, 229, 300, 403, 479; (R), 665 Frecuencias cardiacas al trabajar con la pala (E), 360-361, 373 Género al nacer (EJT), 139, 144, 155; (M), 151; (E), 172, 177, 210, 227, 298, 299 Gráficas de crecimiento actualizadas (M), 47 Grupos y tipos sanguíneos (E), 157, 300 Hawthorne y efectos en el experimentador (M), 24 IMC y género; (E), 89, 90, 107, 108; (EJT), 358, 484 Índice de masa corporal (E), 50, 55, 128, 309, 374; (ACE), 71; (EJT); 697-698; (MB), 701 Infecciones de VIH (E), 173 Internista especializado en enfermedades infecciosas (ET), 135 Interpretación de la eficacia de un tratamiento (E), 149 Latidos cardiacos (ACE), 449 Lectura diastólica (E), 565 Lipitor (E), 20, 149, 222; (M), 59; (R), 192, 446; (EJT), 469 Lipoproteína de baja densidad (EJT), 484 ¿Los mosquiteros reducen la malaria? (E), 465 ¿Los pacientes quirúrgicos que están tibios se recuperan mejor? (R), 508 Métodos para dejar de fumar (E), 616-617, 625-626; (MB), 627 Nacimientos (E), 602 Negligencia médica (E), 334 Nicotina en cigarrillos (E), 50, 55; (R), 447 Niveles de colesterol (E), 118, 309; (R), 312 Pérdida de peso (R), 444 Pérdida de peso con diferentes dietas (E), 360, 650 Perros para identificar el cáncer (DD), 451; (E), 618 Peso (RA), 238-239; (EJT), 591-592, 594-596; (E), 600-601 Pesos al nacer (E), 267, 360, 373, 433, 441; (EJT), 356-357; (RA), 669 Píldora de dieta costosa (E), 474 Píldoras de vitaminas (E), 33 Píldoras defectuosas (E), 187; (R), 193 Presión sanguínea (E), 87, 105, 289, 309, 347, 425, 491, 536, 555, 564 Presión sanguínea sistólica (E), 268, 359 Proceso de aprobación de fármaco (M), 408 Prueba de la eficacia de una vacuna (E), 466, 479 Prueba de sangre (E), 172 Prueba de sífilis (M), 171 Prueba de un tratamiento (E), 626 Pruebas de audición (E), 663 Pulsos (EJT), 47, 99, 124-126, 339, 341-342; (PT), 71; (E), 349, 362, 403, 435, 604, 663, 701; (ACE), 510, 584, 727, 754 Reacción adversa a un fármaco (E), 532 Relación entre el tabaquismo y el cáncer (M), 711 Remedio para la gripe (E), 18 Resultados de prueba de embarazo (DD), 196 Síndrome de túnel carpiano: entablillado o cirugía (PC), 455; (EJT), 458-460, 461-462; (E), 618 SMSI (E), 20 Sustancias dañinas en cigarrillos (E), 716 Sustituto de la nicotina (E), 178-179 Tabaquismo y nicotina (E), 555 Tabaquismo y resistencia física (E), 615 Tabaquismo, temperatura corporal y género (R), 666 Tabletas de Bufferin (EJT), 400 Tasa de clamidia (R), 193 Tasa de nacimientos (E), 751 Teléfonos celulares y cáncer (E), 147, 229, 300, 334, 415-416 Temperaturas corporales (EJT), 8, 285-286, 370, 684; (E), 87, 90, 105-106, 108, 117, 128, 267, 278, 360, 373, 423, 433, 687- 688: (R), 447; (MB), 695 Terapia de parches de nicotina de dosis alta (EJT), 330-331 Terapia hormonal (M), 23 Trastorno vinculado al cromosoma X (E), 172, 210; (RA); 379 Tratamiento de enfermedad del movimiento (E), 490 Tratamiento de la sífilis (E), 31 Tratamiento del pie de atleta (EJT), 621-624; (E), 626; (MB), 627 Tratamiento del síndrome de fatiga crónica (RA), 193-194; (E), 433 Tratamiento magnético del dolor (E), 480-481, 503 Tratamiento para la depresión bipolar (E), 480, 503 Xynamine para disminuir la frecuencia de pulso (DD), 671 Tecnología Componente de computadora defectuoso (MB), 224 Configuraciones de teclado (DD), 133; (E), 493 Contraseña para computadora (E), 165 Diseño de computadora (E), 187 Inteligencia de las computadoras (MB), 190 Navegación en Internet (E), 688 Nombres de variables de cómputo (MB), 189 Periodo de vida de teléfonos celulares (E), 432 Porcentaje de usuarios del correo electrónico (E), 415 Reparación de computadora (R), 753 Termómetros científicos (EJT), 251-253, 255-256; (E), 257-258 Uso de Internet (EJT), 296-297 Vida de una computadora de escritorio (E), 360, 432 Índice de aplicaciones xxxiii
  29. 29. xxxiv Índice de aplicaciones Temas sociales Aceptación de una cita (E), 172 Actitudes hacia el matrimonio (E), 467 Asesinatos y tamaño de la población (E), 536, 555 Campaña de Napoleón para invadir Moscú en 1812 (EJT), 63-64; (E), 68 Ciudades clasificadas según su “habitabilidad” (EJT), 8 Conducción bajo los efectos del alcohol (E), 31, 167 Control poblacional (MB), 179 Correo electrónico y privacidad (E), 465 Dinero gastado en la asistencia social (EJT), 16 Discriminación por edad (E), 187, 478; (EJT), 471-474 Discriminación por género (E), 223, 300; (R), 312, 726 Eficacia de las prohibiciones del tabaquismo (E), 465-466 Ergonomía (E), 32 Estudiantes que beben (E), 32 Filas de espera (E), 374 Habilidades sociales (E), 166 Hacer fila (M), 231 Hogares con teléfono (E), 335 Hogares en Estados Unidos (EJT), 17 Llamadas telefónicas (E), 234 Muertes (R), 238 Muertes de peatones (E), 156-157, 167 Muertes en hospitales militares británicos (EJT), 65; (ACE), 71 Muertes en vehículos automotores y asesinatos (E), 715 Muertes por homicidio (E), 235 Peatones intoxicados (E), 167 Pistolas y tasa de asesinatos (E), 533-534 Población de Estados Unidos (EJT), 578-579 Población en 2050 (MB), 581 Poblaciones cambiantes (M), 78 Política de servicio de alcohol (R), 377 Programa de acción afirmativa (E), 223 Propiedad de armas (E), 10, 11 Prueba de drogas (PC), 137; (E), 149, 172; (EJT), 152-153, 154, 160-161, 170-171 Reconstrucción de las torres del World Trade Center (R), 34 Tamaño de la multitud (M), 357 Tamaño de la población (E), 579 Tasa de divorcios (E), 751 Tasa de matrimonios (ACE), 755 Uso de la basura para predecir el tamaño de la población (E), 575 Trabajo Comparación de ingresos (R), 507 Conseguir trabajo por medio de contactos (PC), 385; (EJT), 391, 392, 398, 408 Contratación de solicitantes de empleo (MB), 689 Desempleo (EJT), 29 Empleo (E), 32 Empleos en el campo de la estadística (M), 577 Error de tipografía en solicitud de empleo (EJT), 5 Errores de entrevista (E), 446 Fuentes de empleo (E), 67 Ganancias de hombres y mujeres (DD), 38 Lesiones laborales fatales (E), 67 Prueba de drogas a solicitantes de empleo (E), 415 Razones de despido (R), 238 Riesgos laborales (E), 619 Salario de maestros (EJT), 82 Salario y demanda física (E), 715 Salario y estrés (E), 715 Salarios de mujeres ejecutivas (E), 10 Satisfacción laboral (R), 131; (E), 404 Transporte Analista de tráfico (ET), 731 Anchura de cadera y asientos de aeronaves (E), 268 Antigüedad de automóviles conducidos por estudiantes (R), 131 Antigüedad de automóviles de profesores y estudiantes (E), 504 Autobuses de casino (E), 288 Beber y conducir (R), 665 Botones para paso de peatones (EJT), 5; (E), 10, 148, 464 Brazaletes magnéticos para pasajeros de crucero (E), 31 Cargas seguras en aviones y barcos (PC), 245; (EJT), 291-292, 293-294 Cascos de motocicleta (E), 19 Cascos y lesiones faciales en accidentes de bicicleta (EJT), 614-615 Choques de automóviles (DD), 72; (E), 414, 415, 602, 688 Colores de automóviles (EJT), 7 Conducir al trabajo (E), 466 Datos de confiabilidad de automóviles (EJT), 63 Desaceleración del pecho en un choque automovilístico (E), 652 Diferencia de antigüedad de automóviles y taxis (E), 482, 700 Diferencia de género en el uso del cinturón de seguridad (E), 466 Edades de motociclistas muertos en choques (E), 347 El uso del cinturón de seguridad es indepen- diente del tabaquismo (E), 619-620 Equipaje perdido (EJT), 14-15; (E), 466 Equipo de navegación usado en aviones (M), 351 Errores de altímetro de aeronave (PC), 733; (EJT), 735-736, 740-741, 743-744, 749-750 Estándares de seguridad de aeronaves (E), 290 Fallas de aterrizaje (E), 67 Ford y Mazda producen transmisiones similares (M), 497 Hombre dueño de motocicleta (E), 172 ¿Las bolsas de aire salvan vidas? (M), 487 Lesiones y color de casco de motocicleta (EJT), 606-610; (E), 620 Longevidad de acumuladores para automóviles (MB), 128-129 Los asientos más seguros en un avión (M), 594 Miedo a volar (DD), 512 Motores de aviones (M), 160; (EJT), 205 Muertes de peatones (E), 617 Muertes en motocicleta (ACE), 71; (E), 602 Muertes y estado de ebriedad los fines de semana (R), 629 Neumático desinflado y clase perdida (E), 602 Nitrógeno en neumáticos (E), 336 Pasajeros de aerolíneas con equipaje de mano (EJT), 391 Peso de automóviles y consumo de combustible (E), 536, 554, 564 Peso de automóviles y lesiones (E), 706; (R), 726 Pesos de pasajeros de taxi acuático (EJT), 260-261, 263-264, 283-285 Probabilidad del choque de un automóvil (E), 148 Rutas aéreas (E), 187 Seguridad de motocicletas (E), 177, 178 Seguridad de teleférico (E), 288 Sistema en línea para el registro de conductores (E), 33 Sobreventa de boletos en vuelos (E), 223, 300; (PT), 241; (MB), 302 Sobrevivientes del Titanic (E), 10 Tasa de consumo de combustible (E), 565 Techo corredizo y bolsas de aire laterales (E), 336 Teléfonos celulares y choques (RA), 509 Tiempo de propiedad de automóviles (R), 377-378 Traumatismo craneal en un choque de automóvil (EJT), 652 Valor de un automóvil (E), 34 Velocidad promedio (MB), 91 Velocidades en carretera (RA), 509 Vida operativa de un avión (M), 141
  30. 30. ESTADÍSTICA Décima edición
  31. 31. 1 1-1 Panorama general 1-2 Tipos de datos 1-3 Pensamiento crítico 1-4 Diseño de experimentos Introducción a la estadística
  32. 32. P R O B L E M A D E L C A P Í T U L O Seis grados de Kevin Bacon: ¿el estudio original utilizó buenos datos? “Seis grados de Kevin Bacon” es un juego popular re- ciente, que consiste en identificar a un actor o a una actriz de cine, y luego vincularlo con el actor Kevin Bacon. (En el momento en que se escribió esto, el juego podía jugar- se en el sitio Web www.cs.virginia.edu/oracle). Conside- remos a Richard Gere como ejemplo. Gere actuó en la película Cotton Club con Laurence Fishburne, que traba- jó en la película Mystic River con Kevin Bacon. El víncu- lo Gere-Fishburne-Bacon tiene dos grados de separación porque no se cuenta la persona meta. Este juego, creado por tres estudiantes (Craig Fass, Brian Turtle y Mike Gi- nelli) de Albright College, es una versión más especiali- zada de “Small World Problem”, que plantea la siguiente pregunta: ¿Cuántos intermediarios (amigos, parientes y otros conocidos) se necesitan para conectar a cualesquie- ra dos personas elegidas al azar en la Tierra? Es decir, pa- ra cualesquiera dos personas en nuestro planeta, ¿cuál es el número de grados de separación? Este problema de co- nexión tiene aplicaciones prácticas en muchos campos, como las redes eléctricas, el uso de Internet, las neuronas del cerebro y la propagación de enfermedades. El concepto de “seis grados de separación” surgió de un estudio realizado en 1967 por el psicólogo Stanley Milgram, quien originalmente describió que en Estados Unidos dos residentes al azar están conectados por un promedio de seis intermediarios. En su primer experi- mento, Milgram envió 60 cartas a personas de Wichita, Kansas, a quienes les pidió que reenviaran esas cartas a una mujer específica en Cambridge, Massachusetts. A esas personas se les dio la instrucción de entregar en mano las cartas a conocidos que, según ellos, podrían contactar a la persona indicada, ya fuera directamente o a través de otros conocidos. Participaron 50 de las 60 personas, y tres cartas llegaron a su destino. Dos experi- mentos posteriores tuvieron tasas de terminación más bajas; pero finalmente Milgram alcanzó una tasa del 35 por ciento, y describió que cada cadena completa tenía un promedio de alrededor de seis intermediarios. Como consecuencia, los datos originales de Milgram produje- ron el concepto “seis grados de separación”. Veamos dos preguntas clave: ¿Eran adecuados los datos originales de Milgram? ¿Los datos originales de Milgram justifican el concepto de “seis grados de sepa- ración?” Un principio extremadamente importante en este capítulo, en este libro, y en la estadística en gene- ral, es que el método que se utiliza para reunir datos de muestras puede construir o destruir la validez de las conclusiones basadas en los datos. En la actualidad, a todos nosotros se nos bombardea con encuestas y resultados de encuestas. Algunas reú- nen datos de muestras que son útiles porque describen de manera exacta características importantes de pobla- ciones. Otras encuestas usan datos muestrales recolecta- dos de tal forma que condenan los resultados a la cre- ciente pila de basura de la mala información. En este capítulo, examinamos la pregunta sobre la calidad de los datos del experimento de Stanley Milgram, y analizamos y destacamos la importancia de reunir datos usando métodos sólidos que puedan llevar a con- clusiones que sean válidas. PR OBLEM A DELCAPÍT ULO 1
  33. 33. 4 Capítulo 1 Introducción a la estadística 1-1 Panorama general El problema del capítulo en la página anterior se refiere a un estudio que produjo da- tos muestrales. Una meta común de este tipo de estudios consiste en reunir datos de una pequeña parte de un grupo más grande, para aprender algo acerca de este último. Una meta común e importante de la materia de la estadística es la siguiente: aprender acerca de un grupo grande examinando los datos de algunos de sus miembros. En di- cho contexto, los términos muestra y población adquieren importancia. Las defini- ciones formales de estos y otros términos básicos se presentan a continuación. Definiciones Datos son las observaciones recolectadas (como mediciones, géneros, res- puestas de encuestas). Estadística es un conjunto de métodos para planear estudios y experimen- tos, obtener datos y luego organizar, resumir, presentar, analizar, interpretar y llegar a conclusiones basadas en los datos. Población es el conjunto completo de todos los elementos (puntuaciones, personas, medidas, etcétera) que se va estudiar. El conjunto es completo por- que incluye a todos los sujetos que se estudiarán. Censo es el conjunto de datos de cada uno de los miembros de la población. Muestra es un subconjunto de miembros seleccionados de una población. Por ejemplo, una encuesta Gallup preguntó a 1087 adultos: “¿Consume usted be- bidas alcohólicas como licor, vino o cerveza, o es totalmente abstemio?” Los 1087 sujetos de la encuesta constituyen una muestra: en tanto que la población consiste en el conjunto completo de los 202,682,345 adultos estadounidenses. Cada 10 años, el gobierno de Estados Unidos intenta obtener un censo de cada ciudadano, pero no lo logra debido a que es imposible localizar a cada uno de ellos. Una polémica actual gira en torno al intento de emplear métodos estadísticos sólidos para au- mentar la exactitud del censo, aunque los aspectos políticos constituyen un factor clave para que los miembros del Congreso se resistan a tal mejoría. Quizás algún día algunos lectores de este libro sean miembros del Congreso y tengan la sabidu- ría de trasladar el censo al siglo XXI. Una actividad importante de este libro es demostrar cómo usar los datos muestrales para obtener conclusiones sobre poblaciones. Veremos que es suma- mente importante obtener datos muestrales que sean representativos de la pobla- ción de la que se obtienen. Por ejemplo, si usted encuesta a los alumnos que se graduaron de su universidad, y les pide que anoten su ingreso anual y que se lo envíen por correo, es probable que las respuestas no sean representativas de la población de todos los alumnos. Quienes tengan ingresos más bajos serán me- nos proclives a responder, y los que respondan tal vez se sientan inclinados a exagerar. Al avanzar en este capítulo debemos enfocarnos en los siguientes con- ceptos clave: q Los datos muestrales deben reunirse de una forma adecuada, como a través de un proceso de selección aleatoria. q Si los datos muestrales no se reúnen de forma apropiada, resultarán tan inútiles que ninguna cantidad de tortura estadística podrá salvarlos.
  34. 34. 1-2 Tipos de datos 5 Ante todo, le pedimos que inicie su estudio de la estadística con una mente abierta. No dé por hecho que el estudio de la estadística es comparable con un pro- cedimiento inflexible. Según la experiencia del autor, a menudo los estudiantes se sorprenden por la interesante naturaleza de la estadística, y también por el hecho de que en realidad pueden dominar los principios básicos sin gran dificultad, in- cluso si no sobresalen en otros cursos de matemáticas. Estamos convencidos de que cuando termine este curso introductorio, tendrá la firme creencia de que la estadística es una materia rica e interesante, con aplicaciones extensas, reales y significativas. También estamos convencidos de que con la asistencia a clases y la dedicación constantes, usted tendrá éxito al dominar los conceptos básicos de la estadística presentados en este curso. 1-2 Tipos de datos Concepto clave En la materia de estadística se trata principalmente de utilizar datos muestrales para hacer inferencias (o generalizaciones) sobre una población completa. Debemos saber y entender las definiciones de población, muestra, pa- rámetro y estadístico, ya que son básicas y fundamentales. También necesitamos reconocer la diferencia entre datos cuantitativos y datos cualitativos. Tenemos que entender que algunos números, como los códigos postales, no son cantidades en el sentido de que realmente midan o cuenten algo. Los códigos postales son, en rea- lidad, ubicaciones geográficas, por lo que no tiene sentido hacer cálculos con el- los, como calcular su promedio. En esta sección se describen distintos aspectos de la naturaleza de los datos muestrales, los cuales pueden afectar de manera impor- tante los métodos estadísticos que se utilicen con ellos. En la sección 1-1 definimos los términos población y muestra. Los siguientes dos términos se utilizan para distinguir entre los casos en que tenemos datos de una población completa y los casos donde sólo tenemos datos de una muestra. Definiciones Parámetro es una medición numérica que describe algunas características de una población. Estadístico es una medición numérica que describe algunas características de una muestra. EJEMPLOS 1. Parámetro: En la ciudad de Nueva York hay 3250 botones para caminar, que los peatones emplean en las intersecciones de tránsito. Se descubrió que el 77% de dichos botones no funciona (según datos del artículo “For Exercise in New York Futility, Push Button”, de Michael Luo, New York Ti- mes). La cifra del 77% es un parámetro porque está basada en la población de todos los 3250 botones para peatones. 2. Estadístico: Con base en una muestra de 877 ejecutivos encuestados, se en- contró que el 45% de ellos no contrataría a alguien con un error ortográfico en su solicitud de empleo. Esta cifra del 45% es un estadístico, ya que está basa- da en una muestra y no en la población completa de todos los ejecutivos. El estado de la estadística El término estadística se deriva de la palabra latina status (que significa “estado”). Los prime- ros usos de la estadística impli- caron la recopilación de datos y la elaboración de gráficas, para describir diversos aspectos de un estado o de un país. En 1662 John Graunt publicó informa- ción estadística acerca de los nacimientos y los decesos. Al trabajo de Graunt siguieron es- tudios de tasas de mortalidad y de enfermedad, tamaño de po- blaciones, ingresos y tasas de desempleo. Los hogares, go- biernos y empresas se apoyan mucho en datos estadísticos para dirigir sus acciones. Por ejemplo, se reúnen datos de manera cuidadosa y con regula- ridad para establecer las tasas de desempleo, las tasas de infla- ción, los índices del consumidor y las tasas de nacimientos y muertes; en tanto que los líderes empresariales utilizan los datos resultantes para tomar decisio- nes que afectan futuras contra- taciones, los niveles de produc- ción y la expansión hacia nuevos mercados.
  35. 35. 6 Capítulo 1 Introducción a la estadística Algunos conjuntos de datos consisten en números (como alturas de 66 y 72 pulgadas); mientras que otros son no numéricos (como los colores de ojos verde y café). Los términos datos cuantitativos y datos cualitativos suelen utilizarse para distinguir entre ambos tipos. Definiciones Los datos cuantitativos consisten en números que representan conteos o mediciones. Los datos cualitativos (o categóricos o de atributo) se dividen en diferentes categorías que se distinguen por algunas características no numéricas. Definiciones Los datos discretos resultan cuando el número de valores posibles es un nú- mero finito o un número que “puede contarse” (es decir, el número de valores posibles es 0, 1, 2, etcétera). Los datos continuos (numéricos) resultan de un infinito de posibles valores que corresponden a alguna escala continua que cubre un rango de valores sin huecos, interrupciones o saltos. EJEMPLOS 1. Datos cuantitativos: Los pesos de las supermodelos. 2. Datos cualitativos: El género (hombre/mujer) de atletas profesionales. Cuando se trabaja con datos cuantitativos, es importante utilizar las unidades de medida apropiadas, como dólares, horas, pies, metros, etcétera. Debemos ser especialmente cuidadosos para observar aquellas referencias como “todas las cantidades están en miles de dólares” o “todos los tiempos están en centésimas de segundo” o “las unidades están expresadas en kilogramos”. Ignorar unidades de medida como éstas nos llevaría a conclusiones incorrectas. La NASA perdió su Mars Climate Orbiter de $125 millones* cuando la sonda se estrelló debido a que el programa de control tenía los datos de aceleración en unidades inglesas, pero ellos incorrectamente consideraron que estaban en unidades métricas. Los datos cuantitativos se describen con mayor detalle distinguiendo entre los tipos discreto y continuo. EJEMPLOS 1. Datos discretos: El número de huevos que ponen las gallinas son datos discretos porque representan conteos. 2. Datos continuos: Las cantidades de leche que producen las vacas son datos continuos porque son mediciones que pueden tomar cualquier valor dentro de un continuo. Durante un intervalo de tiempo dado, una vaca produce una cantidad de leche que puede ser cualquier valor entre 0 y 5 galones. Es posi- ble obtener 2.343115 galones, porque la vaca no está restringida a cantida- des discretas de 0, 1, 2, 3, 4 o 5 galones. *En esta obra, el signo $ hará referencia a dólares estadounidenses, a menos que se especifique otra unidad monetaria.
  36. 36. 1-2 Tipos de datos 7 Un ejemplo más: el número de latas de bebidas de cola son datos discretos; en tanto que el volumen real de la bebida de cola es un dato continuo. Otra forma común de clasificar los datos consiste en usar cuatro niveles de medición: nominal, ordinal, de intervalo y de razón. Cuando se aplica la estadís- tica a problemas reales, el nivel de medición de los datos es un factor importante para determinar el procedimiento a utilizar. (Véase la figura 15-1 en la página 764). En este libro encontraremos algunas referencias a estos niveles de medición; sin embargo, lo importante aquí se basa en el sentido común: no hay que hacer cálculos ni utilizar métodos estadísticos que no sean apropiados para los datos. Por ejemplo, no tendría sentido calcular el promedio de los números del seguro social, ya que estos números son datos que se utilizan como identificación, y no representan mediciones o conteos de algo. Por la misma razón, no tendría sentido calcular un promedio de los números que aparecen en las camisetas de los jugado- res de básquetbol. Definición El nivel de medición nominal se caracteriza por datos que consisten exclusi- vamente en nombres, etiquetas o categorías. Los datos no se pueden acomo- dar en un esquema de orden (como del más bajo al más alto). EJEMPLOS Veamos algunos ejemplos de datos muestrales a nivel de me- dición nominal. 1. Sí/no/indeciso: Respuestas de sí, no e indeciso en una encuesta 2. Colores: Los colores de los automóviles conducidos por estudiantes univer- sitarios (rojo, negro, azul, blanco, magenta, púrpura, etcétera) Puesto que los datos nominales carecen de orden y no tienen un significado numérico, no se deben utilizar para hacer cálculos. En ocasiones se asignan números a las distintas categorías (especialmente cuando los datos se codifican para utili- zarse en computadoras), pero estos números no tienen un significado computacio- nal real y cualquier promedio que se calcule carece de sentido. Definición Los datos están en el nivel de medición ordinal cuando pueden acomodarse en algún orden, aunque no es posible determinar diferencias entre los valores de los datos o tales diferencias carecen de significado. EJEMPLOS Veamos algunos ejemplos de datos muestrales a nivel de me- dición ordinal. 1. Las calificaciones de un curso: Un profesor universitario asigna califica- ciones de A, B, C, D, E o F. Tales calificaciones se pueden ordenar, aunque Medición de la desobediencia ¿De qué manera se recolectan datos sobre algo que parece que no es medible, como el nivel de desobediencia de la gente? El psicólogo Stanley Milgram di- señó el siguiente experimento: Un investigador enseñó a un sujeto voluntario a operar un tablero de control que adminis- traba “choques eléctricos” cada vez más dolorosos a una tercera persona. En realidad no se da- ban tales choques, y la tercera persona era un actor. El volun- tario iniciaba con 15 volts y fue instruido para incrementar los choques en aumentos de 15 volts. El nivel de desobediencia era el punto donde el sujeto se negaba a incrementar el voltaje. Fue sorprendente que dos ter- ceras partes de los sujetos obe- decieron las órdenes, aun cuan- do el actor gritaba y fingía sufrir un ataque cardiaco. continúa
  37. 37. 8 Capítulo 1 Introducción a la estadística no es posible determinar diferencias entre tales calificaciones. Por ejemplo, sabemos que A es mayor que B (por lo que hay un orden); pero no podemos restar B de A (por lo que no se puede calcular la diferencia) 2. Rangos: Con base en varios criterios, una revista ordena las ciudades de acuerdo con su “habitabilidad”. Dichos rangos (primero, segundo, tercero, etcétera) determinan un orden. Sin embargo, las diferencias entre los rangos no tienen ningún significado. Por ejemplo, una diferencia “del segundo menos el primero” sugeriría 2 - 1 = 1, pero esta diferencia de 1 no tiene significado porque no es una cantidad exacta que sea comparable con otras diferencias de este tipo. La diferencia entre la primera y la segunda ciudades no es la misma que la diferencia entre la segunda y la tercera ciudades. Utilizando los rangos de la revista, la diferencia entre la ciudad de Nueva York y Boston no se puede comparar de forma cuantitativa con la diferencia entre San Luis y Filadelfia. Los datos ordinales proporcionan información sobre comparaciones relativas, pero no las magnitudes de las diferencias. Por lo general, los datos ordinales no deben utilizarse para hacer cálculos como promedios, aunque en ocasiones esta norma se infringe (como sucede cuando utilizamos calificaciones con letras para calcular una calificación promedio). Definición El nivel de medición de intervalo se parece al nivel ordinal, pero con la propiedad adicional de que la diferencia entre dos valores de datos cuales- quiera tiene un significado. Sin embargo, los datos en este nivel no tienen punto de partida cero natural inherente (donde nada de la cantidad está presente). EJEMPLOS Los siguientes ejemplos ilustran el nivel de medición de in- tervalo. 1. Temperaturas: Las temperaturas corporales de 98.2°F y 98.6°F son ejem- plos de datos a nivel de medición de intervalo. Dichos valores están orde- nados, y podemos determinar su diferencia de 0.4°F. Sin embargo, no existe un punto de inicio natural. Pareciera que el valor de 0°F es un punto de inicio; son embargo, éste es arbitrario y no representa la ausencia total de calor. Puesto que 0°F no es un punto de partida cero natural, sería incorrecto decir que 50°F es dos veces más caliente que 25°F. 2. Años: Los años 1000, 2008, 1776 y 1492. (El tiempo no inició en el año 0, por lo que el año 0 es arbitrario y no constituye un punto de partida cero na- tural que represente “la ausencia de tiempo”). Definición El nivel de medición de razón es similar a nivel de intervalo, pero con la propiedad adicional de que sí tiene un punto de partida cero natural (donde el cero indica que nada de la cantidad está presente). Para valores a este nivel, tanto las diferencias como las proporciones tienen significado.
  38. 38. 1-2 Tipos de datos 9 EJEMPLOS Los siguientes son ejemplos de datos al nivel de medición de razón. Observe la presencia de un valor cero natural, así como el uso de propor- ciones que significan “dos veces” y “tres veces”. 1. Pesos: Los pesos (en quilates) de anillos de compromiso de diamante (el 0 realmente representa la ausencia de peso y 4 quilates es dos veces el peso de 2 quilates). 2. Precios: Los precios de libros de texto universitarios ($0 realmente repre- senta ningún costo y un libro de $90 es tres veces más caro que un libro de $30). Este nivel de medición se denomina de razón porque el punto de partida cero hace que las razones o cocientes tengan significado. Entre los cuatros niveles de medición, la principal dificultad surge al distinguir entre los niveles de intervalo y de razón. Sugerencia: Para simplificar esta diferencia, utilice una sencilla “prueba de razón”: Considere dos cantidades en las cuales un número es dos veces el otro y pregúntese si “dos veces” sirve para describir correctamente las cantidades. Puesto que un peso de 200 libras es dos veces más pesado que un peso de 100 libras, pero 50°F no es dos veces más caliente que 25°F, los pesos están en el nivel de razón, mientras que las temperaturas Fahrenheit están en el nivel de intervalo. Para una comparación y un repaso concisos, estudie la tabla 1-1 que señala las diferen- cias entre los cuatro niveles de medición. Tabla 1-1 Niveles de medición de datos Nivel Resumen Ejemplo Nominal Sólo categorías Origen de estudiantes: Los datos no pueden 5 californianos acomodarse en un 20 tejanos esquema de orden. 40 neoyorquinos Ordinal Las categorías están Automóviles de estudiantes: Orden ordenadas, determinado por pero no hay 5 compactos “compacto, diferencias o carecen 20 medianos mediano, de significado. 40 grandes grande”. De intervalo Las diferencias Temperaturas tienen un significado, del campus: pero no hay punto 5°F de partida cero natural, 20°F y los cocientes no 40°F tienen significado. De razón Hay un punto de partida Distancias de traslado cero natural y de los estudiantes: los cocientes 5 km tienen significado. 20 km 40 km 0°F no significa “sin calor”. 40°F no es dos veces más caliente que 20°F. 40 km es dos veces más lejos que 20 km. Sólo categorías o nombres. r r r r

×